Detección automática de apneas del sueño a partir del electrocardiograma
Autores
Alonso Lucea, CarlosDirector
Jiménez Martín, AnaFecha de publicación
2022Filiación
Universidad de AlcaláCita bibliográfica
Alonso Lucea, Carlos. Detección automática de apneas del sueño a partir del electrocardiograma. Trabajo Fin de Máster. Universidad de Alcalá, 2022.
Palabras clave
Apnea del sueño
Electrocardiograma
Señal EDR
Dempster-Shafer
Redes neuronales
Fusión de datos
Sleep apnea
Electrocardiogram
EDR signal
Neural netwotk
Data fusion
Tipo de documento
info:eu-repo/semantics/masterThesis
Versión
info:eu-repo/semantics/acceptedVersion
Derechos
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Derechos de acceso
info:eu-repo/semantics/openAccess
Resumen
En este proyecto se desarrollan dos clasificadores para la detección de apneas centrales utilizando la señal ECG de pacientes reales. El primero de ellos utiliza un decisor
estadístico basado en la teoría de la evidencia de Dempster-Shafer para fusionar los resultados obtenidos de seis técnicas de identificación de apneas diferentes, a partir de la señal EDR. Los resultados muestran una detección del 82 % con un 63 % de ellas con un nivel de certeza por encima del 90 %. En el segundo, mediante técnicas de Machine Learning, con una red neuronal de siete capas, se consiguen resultados del 89 % de detección. This project presents two central sleep apnea classifiers models using real ECG signals. The first one uses a statistical decision maker based on the Dempster-Shafer evidence theory tomergetheresultsobtainedfrom6di erentapneaidenti cationtechniques,using the EDR signal. The results show a 82 % detection with 63 % of them above a 90 % certainty level. In the second one, using Machine Learning techniques, with a 7-layer neural network, 89 % detection results are achieved.
Ficheros en el ítem
Ficheros | Tamaño | Formato |
|
---|---|---|---|
TFM_Alonso_Lucea_2022.pdf | 4.193Mb |
|
Ficheros | Tamaño | Formato |
|
---|---|---|---|
TFM_Alonso_Lucea_2022.pdf | 4.193Mb |
|