Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licenseDedicación de Dominio Público 1.0 Universal. (CC0)es
dc.contributor.authorScavino, Marcoes
dc.contributor.authorEstragó, Virginiaes
dc.contributor.authorMuñoz, Matı́ases
dc.contributor.authorCastrillejo, Andréses
dc.contributor.authorÁlvarez-Vaz, Ramónes
dc.date.accessioned2021-12-10T13:05:08Z-
dc.date.available2021-12-10T13:05:08Z-
dc.date.issued2020-11-28-
dc.identifier.urihttps://hdl.handle.net/20.500.12381/492-
dc.description.abstractEn este trabajo se presenta la implementación de algunos algoritmos de aprendizaje automático para la identificación de una patología cardíaca, la fibrilación auricular (FA), a partir de la señal electrocardiográfica (ECG) de una derivación y de corta duración registrada con un dispositivo de tecnología electrónica móvil. La FA es un trastorno del ritmo cardíaco que aumenta el riesgo de sufrir un accidente cerebrovascular, insuficiencia cardíaca y otras complicaciones relacionadas con el corazón. Normalmente el corazón tiene un sistema eléctrico que garantiza que se contraiga de manera ordenada. En la FA aparece una frecuencia cardíaca acelerada e irregular, esto genera un patrón que se puede diferenciar del ritmo normal. El dispositivo móvil tiene un método interno de clasificación que permite un análisis instantáneo del registro de ECG en ritmo normal, posible FA, o sin clasificar. A la hora de la validación de los resultados prácticos, se ha detectado que el dispositivo deja sin clasificar un conjunto relevante de registros de ECG. Visto la importancia del diagnóstico temprano de determinadas patologías cardiovasculares, tales como la FA, para así comenzar un tratamiento oportuno con la consiguiente disminución de la orbimortalidad, nuestro objetivo es superar la capacidad de clasificación del dispositivo. A tal efecto, se introducen métodos de extracción de características, basados en técnicas de filtrado y de análisis de la morfología de la señal ECG, profundizando cómo realzar los complejos QRS, en combinación con técnicas de clasificación supervisada tales como particionamiento recursivo y bosques aleatorios. Se utiliza una base de datos nacional de registros de ECG, generada en 2019, de una población adulta mayor del Uruguay, en virtud de una colaboración entre la CHSCV y el Plan Ibirapitá. Se interpretan los resultados obtenidos en consideración de los diagnósticos disponibles de los ECG realizados por expertos cardiólogos clínicos.es
dc.description.sponsorshipAgencia Nacional de Investigación e Innovaciónes
dc.language.isospaes
dc.rightsAcceso abiertoes
dc.subjectElectrocardiogramaes
dc.subjectFibrilación auriculares
dc.subjectAprendizaje automáticoes
dc.subjectClasificaciónes
dc.titleTÉCNICAS DE DETECCIÓN DE FIBRILACIÓN AURICULAR EN ELECTROCARDIOGRAMAS DE CORTA DURACIÓNes
dc.typeVideograbaciónes
dc.subject.aniiCiencias Naturales y Exactas
dc.subject.aniiMatemáticas
dc.subject.aniiEstadística y Probabilidad
dc.identifier.aniiFSDA_1_2018_1_154651es
dc.type.versionPublicadoes
dc.anii.institucionresponsableUniversidad de la República. Facultad de Ciencias Económicas y Administraciónes
dc.anii.subjectcompleto//Ciencias Naturales y Exactas/Matemáticas/Estadística y Probabilidades
Aparece en las colecciones: Publicaciones de ANII

Archivos en este ítem:
archivo  Descripción Tamaño Formato
XVLIII_Congreso_Argentino_de_Estadística_fibrilación_auricular.mp4Descargar 12.11 MBUnknown

Las obras en REDI están protegidas por licencias Creative Commons.
Por más información sobre los términos de esta publicación, visita: Dedicación de Dominio Público 1.0 Universal. (CC0)