Desarrollo de un software para la detección de crisis convulsivas mediante la señal de un sensor de fotopletismografía

By: Contributor(s): Material type: TextTextLanguage: Spanish Publisher: Ecuador : Universidad del Azuay-Facultad de Ciencia y Tecnología-Escuela de Ingeniería Electrónica, 2023Description: 15 páginas; DigitalContent type:
  • texto
Media type:
  • computadora
Carrier type:
  • recurso en línea
Subject(s): Other classification:
  • UDA-BG T19344
Online resources: Dissertation note: Ingeniero Electrónico Abstract: En este trabajo se presenta el desarrollo de un software para la detección de crisis convulsivas mediante fotopletismografía, empleando el brazalete Empatica E4 para la obtención de las señales. Éstas se analizan como series temporales utilizando un método de entrenamiento de características de audio y uno de entrenamiento de parámetros HRV para comparar sus resultados. Se inicia con el procesamiento de las señales antes de extraer sus características relevantes e ingresarlas a entrenamiento con redes neuronales. La validación del software se realiza ingresando 4 segmentos de señal que contienen eventos epilépticos y 4 que no los contienen. Finalmente, los resultados indican que la detección de un evento epiléptico se efectúa con una precisión de 87.5% cuando se utiliza el modelo de entrenamiento de características de audio, mientras que utilizando el método de entrenamiento de parámetros HRV se alcanza una precisión de 37.5%.
Tags from this library: No tags from this library for this title. Log in to add tags.
Star ratings
    Average rating: 0.0 (0 votes)
Holdings
Item type Current library Shelving location Call number Status Barcode
Tesis Biblioteca Hernán Malo González Digital UDA-BG T19344 (Browse shelf(Opens below)) Available T19344

Ingeniero Electrónico

En este trabajo se presenta el desarrollo de un software para la detección de crisis convulsivas mediante fotopletismografía, empleando el brazalete Empatica E4 para la obtención de las señales. Éstas se analizan como series temporales utilizando un método de entrenamiento de características de audio y uno de entrenamiento de parámetros HRV para comparar sus resultados. Se inicia con el procesamiento de las señales antes de extraer sus características relevantes e ingresarlas a entrenamiento con redes neuronales. La validación del software se realiza ingresando 4 segmentos de señal que contienen eventos epilépticos y 4 que no los contienen. Finalmente, los resultados indican que la detección de un evento epiléptico se efectúa con una precisión de 87.5% cuando se utiliza el modelo de entrenamiento de características de audio, mientras que utilizando el método de entrenamiento de parámetros HRV se alcanza una precisión de 37.5%.

There are no comments on this title.

to post a comment.

Catálogo
Digital