Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Fajardo Ariza, Carlos AugustoCastillo Bohorquez, Jeyson ArleyGranados Hernández, Yenny Carolina2023-04-0620232023-04-0620192019https://noesis.uis.edu.co/handle/20.500.14071/13432La fibrilación auricular (FA) es la arritmia cardíaca más común en todo el mundo. Se asocia con la reducción en la calidad de vida y aumenta el riesgo de accidente cerebrovascular e infarto de miocardio. Lamentablemente, muchos casos de FA son asintomáticos y no diagnosticados a tiempo, lo que aumenta el riesgo para los pacientes. La detección de FA exige un monitoreo a largo plazo debido a su naturaleza paroxística y tal acción es lenta, costosa y, a veces, su valoración puede ser subjetiva. Este proyecto es la primera etapa de un proyecto macro que tiene como objetivo desarrollar un dispositivo portátil para la detección de FA, que se basará en una red neuronal convolucional (CNN). Los datos para el proceso de entrenamiento y validación son Atrial Fibrillation Database, un recurso público de MIT-BIH1 . Nuestro objetivo es encontrar un modelo CNN adecuado, que posteriormente podría llegar a implementarse en hardware. Aplicamos diversas técnicas para mejorar la respuesta con respecto a la precisión, sensibilidad, especificidad y precisión. El modelo final logra una precisión del 97,44%, una especificidad del 97,76%, una sensibilidad del 96,97% y una precisión del 96,80%. Además, seleccionando un optimizador adecuado se realiza la mejora en la sensibilidad del modelo, a un menor costo computacional. Los resultados de estos trabajos se utilizarán como marco para el trabajo futuro centrado en la implementación del dispositivo portátil basado en CNN para la detección automática de FAapplication/pdfspainfo:eu-repo/semantics/openAccessDeteccionEcgFibrilacion AuricularRedes Neuronales Profundas.Detection of atrial fibrillation in segments of ecg signals using deep neural networksUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coAtrial FibrillationDeep Neural NetworksDetectionEcgDetection of atrial fibrillation in segments of ecg signals using deep neural networks *http://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)