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.