Biblioteca
Normal view MARC view ISBD view

Detección en tiempo real de fibrilación auricular en computador de placa reducida [Recurso Electrónico] / Juan Carlos Maya Gonzalez.

By: Maya Gonzalez, Juan Carlos.
Contributor(s): Lopez Lopez, Juan Manuel [dir.].
Material type: materialTypeLabelComputer filePublisher: Bogotá (Colombia): Escuela Colombiana de Ingeniería Julio Garavito, 2018Description: 52 p.: gráf.Subject(s): REDES NEURONALES (COMPUTADORES) | FIBRILACIÓN AURICULAR | ALGORITMOS DE RECONOCIMIENTO AUTOMÁTICO DE PATRONES | COMPUTADOR DE PLACAS REDUCIDA | TESIS Y DISERTACIONES ACADÉMICASDDC classification: 006.3 Online resources: Click here to access online Dissertation note: Tesis (Magíster en Ingeniería Electrónica) Review: El desarrollo de dispositivos portables, que permitan la detección en tiempo real de fibrilación auricular, requiere el uso de algoritmos de reconocimiento automático de patrones con la metodología adecuada para su ejecución en sistemas embebidos. En el presente trabajo, se expone la implementación de una red neuronal artificial (ANN), una máquina de soporte vectorial (SVM), un algoritmo K vecinos más cercanos (KNN) y un modelo Hibrido, en un computador de placa reducida para obtener dicha detección automática. Como resultado, se comparan los desempeños de los algoritmos implementados en cuanto a la capacidad de detección de esta arritmia y el tiempo de respuesta asociado a su ejecución en tiempo real. La base de datos MIT-BIH AFIB es usada para el entrenamiento y validación de los algoritmos previa extracción de características relacionadas con el uso de coeficientes wavelet. Se encontraron resultados superiores al 95% en la precisión de los algoritmos mencionados y variados tiempos de respuesta entre 5.7 s y 7.1 s.
Tags from this library: No tags from this library for this title. Log in to add tags.
    average rating: 0.0 (0 votes)
Item type Current location Call number Vol info Copy number Status Date due Barcode Item holds
TRABAJOS DE GRADO TRABAJOS DE GRADO Biblioteca Jorge Álvarez Lleras
Fondo general
006.3 M467d Ts (Browse shelf) Ej. 1 1 Available D001306
Total holds: 0

Tesis (Magíster en Ingeniería Electrónica)

El desarrollo de dispositivos portables, que permitan la detección en tiempo real de fibrilación auricular, requiere el uso de algoritmos de reconocimiento automático de patrones con la metodología adecuada para su ejecución en sistemas embebidos. En el presente trabajo, se expone la implementación de una red neuronal artificial (ANN), una máquina de soporte vectorial (SVM), un algoritmo K vecinos más cercanos (KNN) y un modelo Hibrido, en un computador de placa reducida para obtener dicha detección automática. Como resultado, se comparan los desempeños de los algoritmos implementados en cuanto a la capacidad de detección de esta arritmia y el tiempo de respuesta asociado a su ejecución en tiempo real. La base de datos MIT-BIH AFIB es usada para el entrenamiento y validación de los algoritmos previa extracción de características relacionadas con el uso de coeficientes wavelet. Se encontraron resultados superiores al 95% en la precisión de los algoritmos mencionados y variados tiempos de respuesta entre 5.7 s y 7.1 s.

There are no comments for this item.

Log in to your account to post a comment.

Click on an image to view it in the image viewer