APLICACIÓN DE ESCRITORIO BASADA EN DEEP LEARNING PARA WINDOWS QUE CLASIFICA SEÑALES ECG EN SEÑAL CON ARRITMIA FIBRILACIÓN AURICULAR, RUIDO O NORMAL

Simple item page
dc.contributor.advisorFajardo Ariza, Carlos Augusto
dc.contributor.advisorBarrero Pérez, Jaime Guillermo
dc.contributor.authorPulido Saravia, Alejandro
dc.contributor.evaluatorRamirez Silva, Ana Beatriz
dc.contributor.evaluatorSierra Bueno, Daniel Alfonso
dc.date.accessioned2023-03-13T17:40:20Z
dc.date.available2023-03-13T17:40:20Z
dc.date.created2023-03-11
dc.date.issued2023-03-11
dc.description.abstractLa fibrilación auricular es una de las arritmias más comunes y con alta mortalidad y morbilidad. Esta arritmia puede presentar una atención tardía y costosa. En este trabajo se desarrolló una aplicación que brinda la posibilidad de capturar, visualizar y guardar una señal electrocardiográfica (ECG), así mismo auto evalúa dicha señal con el fin de clasificar en señal con arritmia fibrilación auricular, ruido o normal para una acción preventiva. Se desarrolló usando el SDK Flutter con una arquitectura BLOC donde implementamos una red neuronal que evalúa la señal capturada. Por medio de un microcon trolador ESP32 y un AD8232 logramos capturar la señal y enviarla al dispositivo de cómputo usando una conexión Bluetooth Low-Energy (BLE). Adicionalmente, la aplicación permite leer las señales ECG para una interpretación manual donde se puede cambiar los parámetros de visualización y una regla que facilita hacer mediciones de la señal. Adicionalmente, la aplicación cuenta con información del paciente y del profesional que realizó el examen de captura e incluso. Toda la información es fac tible de ser exportada a un documento en formato PDF para imprimir o archivar en el historial clínico. La aplicación es compatible para equipos con sistema operativo Windows y dispositivos con sistema operativo Android. Se espera que esta aplicación contribuya con la detección de arritmias cardiacas de forma temprana y de esta forma ayudar a su tratamiento.
dc.description.abstractenglishAtrial fibrillation is one of the most common arrhythmias with high mortality and morbidity. This arrhyth mia can present late and costly care. In this work, an application that provides the possibility of capturing, visualizing, and saving an electrocardiographic (ECG) signal, was developed, as well as auto-evaluate this signal in order to classify it as an atrial fibrillation arrhythmia, noise or normal signal for preventive action. The application was developed using the Flutter SDK with a BLOC architecture where we implemented a neural network that evaluates the captured signal. By means of an ESP32 microcontroller and an AD8232 we were able to capture the signal and send it to the computing de vice using a Bluetooth Low-Energy (BLE) connection. Additionally, the application allows reading the ECG signals for manual interpretation where you can change the display parameters and a ruler that facilitates signal measurements. In addition, the application has information about the patient and the professional who performed the capture and even the exam. All the information can be exported to a PDF document for printing or archiving in the clinical history. The application is compatible with Windows operating system computers and Android operating system devices. It is expected that this application will contribute to the early detection of cardiac arrhythmias and thus help in their treatment.
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/20.500.14071/12523
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programIngeniería Electrónica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
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-nd/4.0/
dc.subjectARRITMIA CARDIACA
dc.subjectANDROID
dc.subjectECG
dc.subjectDEEP LEARNING
dc.subjectFLUTTER
dc.subjectAPLICACIÓN
dc.subjectFIBRILACIÓN AURICULAR
dc.subjectWINDOWS
dc.subjectTENSORFLOW
dc.subject.keywordCARDIAC ARRHYTHMIA
dc.subject.keywordANDROID
dc.subject.keywordEKG
dc.subject.keywordDEEP LEARNING
dc.subject.keywordFLUTTER
dc.subject.keywordAPP
dc.subject.keywordATRIAL FIBRILLATION
dc.subject.keywordWINDOWS
dc.subject.keywordTENSORFLOW
dc.titleAPLICACIÓN DE ESCRITORIO BASADA EN DEEP LEARNING PARA WINDOWS QUE CLASIFICA SEÑALES ECG EN SEÑAL CON ARRITMIA FIBRILACIÓN AURICULAR, RUIDO O NORMAL
dc.title.englishDEEP LEARNING BASED DESKTOP APPLICATION FOR WINDOWS THAT CLASSIFIES EKG SIGNALS INTO ATRIAL FIBRILLATION ARRHYTHMIA, NOISE OR NORMAL SIGNAL
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.type
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
134.76 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
1.68 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
294.89 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Ingeniería Electrónica