Caracterización de estados funcionales en fonocardiografía empleando análisis acústico y técnicas de dinámica no lineal
Esta tesis de maestría, presenta una metodología para caracterización de señales FCG normales y patológicas, estas últimas correspondientes a pacientes con presencia de soplos causados por valvulopatías cardíacas. La extracción de características se realiza mediante técnicas orientadas al análisis d...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión aceptada para publicación |
| Fecha de publicación: | 2005 |
| País: | Colombia |
| Institución: | Universidad Nacional de Colombia |
| Repositorio: | Repositorio UN |
| Idioma: | español |
| OAI Identifier: | oai:repositorio.unal.edu.co:unal/2484 |
| Acceso en línea: | https://repositorio.unal.edu.co/handle/unal/2484 http://bdigital.unal.edu.co/738/ |
| Access Level: | acceso abierto |
| Palabra clave: | 62 Ingeniería y operaciones afines / Engineering Cardiología investigaciones Procesamiento de señales |
| Sumario: | Esta tesis de maestría, presenta una metodología para caracterización de señales FCG normales y patológicas, estas últimas correspondientes a pacientes con presencia de soplos causados por valvulopatías cardíacas. La extracción de características se realiza mediante técnicas orientadas al análisis de complejidad y al análisis acústico. Se compara la separabilidad entre clases producto de las características obtenidas mediante las dos técnicas mencionadas, realizando la detección mediante un clasificador bayesiano. Adicionalmente, se desarrolla un método para atenuación de perturbaciones acústicas en señales FCG basado en transformada wavelet discreta. / Abstrac. This Master’s thesis presents a methodology to characterize healthy and abnormal PCG signals. The abnormal signals contain frequencies corresponding to patients who have cardiac murmurs. The feature extraction in this research is carried out by means of techniques oriented to complexity analysis and acoustical analysis. It is compared the capacity of separation between classes using the features obtained by means of the two mentioned techniques, realizing the detectionwith a Bayesian classifier. In addition, it is developed amethod to reduce the acoustical disturbances in PCG signals based on discreetwavelet transformand adaptive thresholding. |
|---|