Detección de patologías en señales biomédicas mediante técnicas de machine learning

Autores
Bergamini, María Lorena; Liberczuk, Sergio Javier
Año de publicación
2020
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El procesamiento de señales biomédicas tiene una importancia relevante en el diagnóstico temprano y prevención de enfermedades. El electrocardiograma (ECG) es un estudio no invasivo, de bajo costo, que brinda información valiosa sobre la actividad eléctrica cardíaca. El análisis de esta señal estudia patrones que se asocian con condiciones anormales de funcionamiento. El objetivo principal de este proyecto es desarrollar técnicas y algoritmos para el análisis, modelado, clasificación y segmentación de señales electrocardiográficas, a fin de que puedan ser aplicados en tiempo real; y poder así dar soporte a la detección temprana de eventos patológicos. Específicamente, nos proponemos diseñar algoritmos de procesamiento de ECG con un enfoque Bayesiano, con el objetivo de sintonizar los parámetros de un modelo dinámico que permitan la síntesis de señales de ECG registrables durante procesos de isquemia e infarto. Asimismo, se aplicarán técnicas de machine learning para procesar los parámetros y configurar un sistema de asistencia al médico en el diagnóstico automático de patologías.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Procesamiento de señales
Biomedicina
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/105314
Acceder
id SEDICI_e764ba04c0429db37c4babb7f9ea9ab8
oai_identifier_str oai:sedici.unlp.edu.ar:10915/105314
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Detección de patologías en señales biomédicas mediante técnicas de machine learningBergamini, María LorenaLiberczuk, Sergio JavierCiencias InformáticasProcesamiento de señalesBiomedicinaEl procesamiento de señales biomédicas tiene una importancia relevante en el diagnóstico temprano y prevención de enfermedades. El electrocardiograma (ECG) es un estudio no invasivo, de bajo costo, que brinda información valiosa sobre la actividad eléctrica cardíaca. El análisis de esta señal estudia patrones que se asocian con condiciones anormales de funcionamiento. El objetivo principal de este proyecto es desarrollar técnicas y algoritmos para el análisis, modelado, clasificación y segmentación de señales electrocardiográficas, a fin de que puedan ser aplicados en tiempo real; y poder así dar soporte a la detección temprana de eventos patológicos. Específicamente, nos proponemos diseñar algoritmos de procesamiento de ECG con un enfoque Bayesiano, con el objetivo de sintonizar los parámetros de un modelo dinámico que permitan la síntesis de señales de ECG registrables durante procesos de isquemia e infarto. Asimismo, se aplicarán técnicas de machine learning para procesar los parámetros y configurar un sistema de asistencia al médico en el diagnóstico automático de patologías.Red de Universidades con Carreras en Informática2020-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf732-736http://sedici.unlp.edu.ar/handle/10915/105314spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-3714-82-5info:eu-repo/semantics/reference/hdl/10915/103151info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-10T12:26:07Zoai:sedici.unlp.edu.ar:10915/105314Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-10 12:26:07.557SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Detección de patologías en señales biomédicas mediante técnicas de machine learning
title Detección de patologías en señales biomédicas mediante técnicas de machine learning
spellingShingle Detección de patologías en señales biomédicas mediante técnicas de machine learning
Bergamini, María Lorena
Ciencias Informáticas
Procesamiento de señales
Biomedicina
title_short Detección de patologías en señales biomédicas mediante técnicas de machine learning
title_full Detección de patologías en señales biomédicas mediante técnicas de machine learning
title_fullStr Detección de patologías en señales biomédicas mediante técnicas de machine learning
title_full_unstemmed Detección de patologías en señales biomédicas mediante técnicas de machine learning
title_sort Detección de patologías en señales biomédicas mediante técnicas de machine learning
dc.creator.none.fl_str_mv Bergamini, María Lorena
Liberczuk, Sergio Javier
author Bergamini, María Lorena
author_facet Bergamini, María Lorena
Liberczuk, Sergio Javier
author_role author
author2 Liberczuk, Sergio Javier
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
Procesamiento de señales
Biomedicina
topic Ciencias Informáticas
Procesamiento de señales
Biomedicina
dc.description.none.fl_txt_mv El procesamiento de señales biomédicas tiene una importancia relevante en el diagnóstico temprano y prevención de enfermedades. El electrocardiograma (ECG) es un estudio no invasivo, de bajo costo, que brinda información valiosa sobre la actividad eléctrica cardíaca. El análisis de esta señal estudia patrones que se asocian con condiciones anormales de funcionamiento. El objetivo principal de este proyecto es desarrollar técnicas y algoritmos para el análisis, modelado, clasificación y segmentación de señales electrocardiográficas, a fin de que puedan ser aplicados en tiempo real; y poder así dar soporte a la detección temprana de eventos patológicos. Específicamente, nos proponemos diseñar algoritmos de procesamiento de ECG con un enfoque Bayesiano, con el objetivo de sintonizar los parámetros de un modelo dinámico que permitan la síntesis de señales de ECG registrables durante procesos de isquemia e infarto. Asimismo, se aplicarán técnicas de machine learning para procesar los parámetros y configurar un sistema de asistencia al médico en el diagnóstico automático de patologías.
Red de Universidades con Carreras en Informática
description El procesamiento de señales biomédicas tiene una importancia relevante en el diagnóstico temprano y prevención de enfermedades. El electrocardiograma (ECG) es un estudio no invasivo, de bajo costo, que brinda información valiosa sobre la actividad eléctrica cardíaca. El análisis de esta señal estudia patrones que se asocian con condiciones anormales de funcionamiento. El objetivo principal de este proyecto es desarrollar técnicas y algoritmos para el análisis, modelado, clasificación y segmentación de señales electrocardiográficas, a fin de que puedan ser aplicados en tiempo real; y poder así dar soporte a la detección temprana de eventos patológicos. Específicamente, nos proponemos diseñar algoritmos de procesamiento de ECG con un enfoque Bayesiano, con el objetivo de sintonizar los parámetros de un modelo dinámico que permitan la síntesis de señales de ECG registrables durante procesos de isquemia e infarto. Asimismo, se aplicarán técnicas de machine learning para procesar los parámetros y configurar un sistema de asistencia al médico en el diagnóstico automático de patologías.
publishDate 2020
dc.date.none.fl_str_mv 2020-05
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/105314
url http://sedici.unlp.edu.ar/handle/10915/105314
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-3714-82-5
info:eu-repo/semantics/reference/hdl/10915/103151
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
732-736
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1842904312835997696
score 12.993085

Publicaciones similares