Aplicación de software para la clasificación de señales electrocardiográficas de infarto agudo de miocardio implementando la técnica medida de disimilaridad basada en compresión

Simple item page
dc.contributor.advisorMartínez Abaunza, Víctor Eduardo
dc.contributor.advisorGuillen Rondón, Pablo Emilio
dc.contributor.authorAmaris González, Marcos
dc.date.accessioned2024-03-03T19:31:41Z
dc.date.available2012
dc.date.available2024-03-03T19:31:41Z
dc.date.created2012
dc.date.issued2012
dc.description.abstractEn el presente documento se muestra la continuación del trabajo realizado por el Grupo de Investigación en Ingeniería Biomédica, en la línea de investigación de tratamiento de señales electrofisiológicas, orientadas a la contrucción de aplicaciones para la detección de enfermedades cardíacas en este caso el Infarto Agudo de Miocardio. Esta investigación fue enfocada al uso de dos técnicas de minería de datos, Compression-based Dissimilariy Measure y Symbolic Agreggate AproXimation, para la clasificación de la Variabilidad de la Frecuencia Cardiaca de señales electrocardiográficas digitales por medio de máquinas de aprendizaje no supervisadas. En este proceso de clasificación de señales electrocardiográficas se realiza un filtrado, la respectiva caracterización de las ondas y se extrae la VFC utilizando herramientas de análisis Wavelet, esto es llamado preprocesamiento; posteriormente se utilizan técnicas de minería de datos para una transformación y clasificación de la VFC de cada señal electrocardiográfica; por la anterior razón se mencionan los resultados de esta investigación como una metodología de descubrimiento de conocimiento en base de datos. Se presenta una fundamentación teórica de las técnicas de medidas de similaridad basadas en compresión, la base teórica de estas técnicas es la complejidad de Kolmogorov, en este documento se definen conceptos importantes de esta complejidad y ciertas analogías con la teoría de la información de Shannon, también se muestran algunas aplicaciones en máquinas de aprendizajes para la clasificación entre series temporales, imágenes, ADN, video, audio, ente otros. Se presenta una teoría básica del filtrado y análisis Wavelet en señales electrocardiográficas sobre el ambiente numérico R, todos los algoritmos y una interfaz gráfica fueron realizados en el entorno de software para estadística y computación R el cual satisfizo todas las necesidades, y brinda la posibilidad de desarrollar facilmente algoritmos paralelos, debido al modelos de datos por medio de listas.
dc.description.abstractenglishThis paper shows the work continuity of the Research Group in Biomedical Engineering (GIIB for its acronym in Spanish) in the area of electrophysiological signal processing, about developing and building applications oriented for the heart disease detection, in this case the Acute Myocardial Infarction. This research was focused on the use of two data mining techniques, Compression-based Disimilarity Measure and Symbolic Agreggate AproXimation, for classification of the Heart Rate Variability of electrocardiographic signals using machine learning unsupervised. To make possible a good classification of signal electrocardiographic a filter process is performed, the respective characterization of the waves, and extracting of the HRV using wavelet analysis tools; this process is named preprocessing, then data mining techniques are used for the data transformation and data classification; for the last reason the results of this research are mentioned like a methodology for knowledge discovery in databases. A theoretical foundation of the techniques based similarity measures in compression is presented, the theorical bases of these techniques are based in the Kolmogorov complexity, this paper defines key concepts of this complexity and some analogies with the Shannon’s information theory, also a few applications in machine learning for classification between time series, images, DNA, video, audio etc. Important concepts about the wavelet analysis over electrocardiographic signal with the environment for statistical computing R. All the algorithms and graphical user interface were develop in the software environment for statistical computing R, R satisfied all the needs, and provides the ability to easily develop parallel algorithms, for his data models based on lists.
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería de Sistemas e Informática
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/20.500.14071/26993
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programMaestría en Ingeniería de Sistemas e Informática
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
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.subjectClasificación
dc.subjectElectrocardiograma
dc.subjectInfarto Agudo de Miocardio
dc.subjectAnálisis Wavelet
dc.subjectMedida de Disimilaridad basada en Compresión
dc.subjectAlgoritmos de Agrupamiento.
dc.subject.keywordAcute Myocardial Infarction
dc.subject.keywordWavelet analysis
dc.subject.keywordClasification
dc.subject.keywordCompression-based Dissimilirity Measure
dc.subject.keywordClustering Algorithm.
dc.titleAplicación de software para la clasificación de señales electrocardiográficas de infarto agudo de miocardio implementando la técnica medida de disimilaridad basada en compresión
dc.title.englishSoftware Application for Classification Electrocardiographic Signals of Myocardial Acute Infartion Implementing Compressionbased Dissimilirity Measure
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestria
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
952.58 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
3.74 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
172.97 KB
Format:
Adobe Portable Document Format
Download
Collections
Maestría en Ingeniería de Sistemas e Informática