Mostrar el registro sencillo del ítem
Diseño de un sistema de procesamiento y caracterización de potenciales ECG para la clasificación de arritmias cardiacas, mediante el uso de técnicas de aprendizaje automático supervisadas
dc.creator | Ayala Cucas, Hermes Andrés | |
dc.creator | Mora Piscal, Edison Alexander | |
dc.creator | Mayorca Torres, Dagoberto | |
dc.creator | Ortiz Chamorro, Angie Ximena | |
dc.date | 2021-12-15 | |
dc.date.accessioned | 2022-09-20T15:32:30Z | |
dc.date.available | 2022-09-20T15:32:30Z | |
dc.identifier | https://revistas.umariana.edu.co/index.php/BoletinInformativoCEI/article/view/2710 | |
dc.identifier.uri | https://hdl.handle.net/20.500.14112/27026 | |
dc.description | Uno de los principales propósitos de la formación como ingenieros mecatrónicos es atender las necesidades y problemáticas de la sociedad, apoyados en las áreas de las ciencias computacionales. Esta nota describe los avances preliminares del diseño del proyecto Sistema de procesamiento y caracterización de potenciales ECG, con el fin de clasificar arritmias cardiacas mediante uso de técnicas de aprendizaje automático supervisadas, un sistema que permite monitorear y brindar señales de alarma ante situaciones de 8 tipos de arritmias cardiacas. | spa |
dc.format | application/pdf | |
dc.language | spa | |
dc.publisher | Universidad Mariana | spa |
dc.relation | https://revistas.umariana.edu.co/index.php/BoletinInformativoCEI/article/view/2710/2998 | |
dc.relation | /*ref*/Álvarez, M. (2016). Procesamiento de señales de electrocardiografía en equipos portables mediante estrategias de inteligencia artificial [tesis de pregrado, Universidad Nacional de Córdoba]. Repositorio Digital UNC. https://rdu.unc.edu.ar/handle/11086/4316 | |
dc.relation | /*ref*/García, A. (2017). Análisis y procesamiento de la señal auscultada del corazón para el diagnóstico presuntivo de soplos cardiacos y arritmia cardíaca [tesis de pregrado, Universidad Politécnica Salesiana sede Cuenca]. Repositorio Institucional. https://dspace.ups.edu.ec/handle/123456789/14152 | |
dc.relation | /*ref*/Isin, A. & Ozdalili, S. (2017). Cardiac arrhythmia detection using deep learning. Procedia Computer Science, 120, 268-275. https://doi.org/10.1016/j.procs.2017.11.238 | |
dc.relation | /*ref*/Ministerio de Salud. (s.f.). Enfermedades cardiovasculares. https://www.minsalud.gov.co/salud/publica/PENT/Paginas/enfermedades-cardiovasculares.aspx | |
dc.relation | /*ref*/Organización Mundial de la Salud. (2017). Enfermedades cardiovasculares. https://www.who.int/es/news-room/fact-sheets/detail/cardiovascular-diseases-(cvds) | |
dc.relation | /*ref*/Romero, J. (2015). Análisis de Señales Electrocardiográficas usando técnicas de procesamiento digital [tesis de pregrado, Universidad Oberta de Catalunya]. Archivo Digital. http://openaccess.uoc.edu/webapps/o2/bitstream/10609/40186/6/jlorenzoroTFC0115memoria.pdf | |
dc.relation | /*ref*/Sannino, G. & De Pietro, G. (2018). A deep learning approach for ECG-based heartbeat classification for arrhythmia detection. Future Generation Computer Systems, 86, 446-455. https://doi.org/10.1016/j.future.2018.03.057 | |
dc.relation | /*ref*/Villagrán, C. (2017). Clasificación automática de latidos de un electrocardiograma utilizando aprendizaje profundo [tesis de maestría, Universidad de Concepción]. Repositorio Dspace. http://repositorio.udec.cl/xmlui/handle/11594/2541 | |
dc.relation | /*ref*/Xiang, Y., Lin, Z. & Meng, J. (2018). Automatic QRS complex detection using two-level convolutional neural network. BioMedical Engineering Online, 17(1), 1-17. https://doi.org/10.1186/s12938-018-0441-4 | |
dc.rights | https://creativecommons.org/licenses/by/4.0 | spa |
dc.source | Boletín Informativo CEI; Vol. 8 No. 2 (2021): Boletín Informativo CEI; 204-210 | en-US |
dc.source | Boletín Informativo CEI; Vol. 8 Núm. 2 (2021): Boletín Informativo CEI; 204-210 | spa |
dc.source | Boletín Informativo CEI; v. 8 n. 2 (2021): Boletín Informativo CEI; 204-210 | pt-BR |
dc.source | 2389-8127 | |
dc.source | 2389-7910 | |
dc.title | Diseño de un sistema de procesamiento y caracterización de potenciales ECG para la clasificación de arritmias cardiacas, mediante el uso de técnicas de aprendizaje automático supervisadas | spa |
dc.type | info:eu-repo/semantics/article | |
dc.type | info:eu-repo/semantics/publishedVersion | |
dc.type | Artículo revisado por pares | spa |
Ficheros en el ítem
Ficheros | Tamaño | Formato | Ver |
---|---|---|---|
No hay ficheros asociados a este ítem. |
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
Boletín informativo CEI [1013]