Logotipo del repositorio

Publicación:
Reconocimiento de arritmias cardiacas con la aplicacion de una red neuronal

dc.contributor.advisorBarrero Perez, Jaime Guillermo
dc.contributor.authorAriza Carvajal, Carlos Fernando
dc.contributor.authorCardenas Florez, Donaldo
dc.date.accessioned2024-03-03T04:40:08Z
dc.date.available2004
dc.date.available2024-03-03T04:40:08Z
dc.date.created2004
dc.date.issued2004
dc.description.abstractSe construyó un Electrocardioscopio Virtual basado en programación gráfica de LabVIEW que permite adquirir señales electrocardiográficos, procesar y desplegar los resultados en tiempo real. Además en este instrumento virtual se implementó una red neuronal con ayuda de Matlab que clasifica y reconoce siete tipos de arritmias. En el primer capitulo se describen las principales características de la señal ECG, sus ondas componentes y sus intervalos. Como una segunda parte de este capitulo se hace una caracterización más especifica de las señales ECG, presentado 14 características temporales y frecuenciales para siete arritmias a estudiar, observando parámetros que puedan diferenciar a cada arritmia. En el capitulo segundo se presentará un estudio centrado en el entrenamiento y simulación de la red neuronal así como los comandos utilizados en Matlab para crear la red (Backpropagation y Base Radial) con sus diferentes opciones de configuración. En el tercer capítulo se realiza una presentación general de como funciona este Electrocardioscopio Virtual, donde se exponen sus especificaciones, la descripción de los subvi que realizaron el procesamiento de las señales cardiacas así como los indicadores que desplegaron las señales resultantes y la presentación de los cálculos del procesamiento de la señal ECG que van a ser introducidos en la red neuronal para que pueda hacer el reconocimiento de las arritmias. En el cuarto capitulo se presentarán y analizarán los resultados obtenidos en la exploración de las diferentes configuraciones de la red Backpropagation hasta encontrar la de mejor desempeño. Este análisis se efectuó comparando resultados con la experiencia obtenida por la Red de Base Radial.
dc.description.abstractenglishA Virtual Electrocardioscopy was built based on LabVIEW graphic program that allow the acquisition electrocardiographic signals, processing and display the results in real time. Besides in this virtual tool it was added a neural network whit the Matlab help that classify and recognize seven different types arrhythmias. In the first chapter it is described the main characteristic of the ECG signal, its waves components and its intervals. As a second part of this chapter a more specified characterization of ECG signals is done, this one shows fourteen temporary characteristics and frequential for seven arrhythmias to study, looking parameters that could differentiate each arrhythmia. In the second chapter it is showed a study based on the training and simulation of the neural network in the same way the commands used in Matlab for creating the network (Backpropagation and Radial Base) with their different configuration programs. In the third chapter it is done a general presentation of how this Virtual Electrocardioscopy works, where proper specifications, such as the subvi that made the cardiac signals processing that's the indicators that display the resulting signals ECG which are going to be introduce in the neural network for recognizing the arrhythmias. In the quarter chapter it will be presented and analyzed the obtained results in the exploration of the different Backpropagation network configuration as far as finding this one with the best performance. This analysis was done comparing results with the obtained experience for the Radial Base Network.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Electrónico
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/16582
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programIngeniería Electrónica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectTratamiento de Señales
dc.subjectLabVIEW
dc.subjectProcesamiento Digital
dc.subjectAnálisis Espectral
dc.subjectAdquisición
dc.subjectFiltrado y Ventaneo
dc.subjectRed Neuronal Artificial
dc.subjectIdentificación de Arritmias.
dc.subject.keywordSignal Processing
dc.subject.keywordLabView
dc.subject.keywordDigital Processing
dc.subject.keywordSpectral Analysis
dc.subject.keywordAcquisition
dc.subject.keywordFiltrate and windowed
dc.subject.keywordArtificial Neural Network
dc.subject.keywordarrhythmias Identification.
dc.titleReconocimiento de arritmias cardiacas con la aplicacion de una red neuronal
dc.title.englishCardiac arrhythmias recognizing with the application of a neural network
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.typePublication

Archivos

Bloque original

Mostrando 1 - 2 de 2
Cargando...
Miniatura
Nombre:
Documento.pdf
Tamaño:
2.52 MB
Formato:
Adobe Portable Document Format
Cargando...
Miniatura
Nombre:
Nota de proyecto.pdf
Tamaño:
792.76 KB
Formato:
Adobe Portable Document Format

VIGILADA MINEDUCACIÓN

Ordenanza No. 83 de 1.944 (junio 22)

Carácter académico: Universidad

Notificaciones judiciales: notjudiciales@uis.edu.co 

.

Código SNIES: 1204   Nit: 890.201.213-4

Línea Anticorrupción:  +57 (601) 562 9300 EXT: 3633

Línea transparente: +57 (607) 630 3031