Detección de anomalias del sueño con soporte en una pulsera inteligente y algoritmos de IA

Ante el auge de las tecnologías “wearables”, que ya forman parte de nuestra vida diaria, como el uso de pulseras inteligentes, que nos permiten monitorear nuestros principales signos vitales, nos ayudan a tener una mayor precisión en nuestras rutinas de ejercicio y actividad física diaria, además de...

Descripción completa

Detalles Bibliográficos
Autor: Tovar Ticne, Haydee Angelica
Tipo de recurso: tesis de maestría
Fecha de publicación:2024
País:España
Institución:Universidad Complutense de Madrid (UCM)
Repositorio:Docta Complutense
Idioma:español
OAI Identifier:oai:docta.ucm.es:20.500.14352/106977
Acceso en línea:https://hdl.handle.net/20.500.14352/106977
Access Level:acceso abierto
Palabra clave:004(043.3)
Pulsera Inteligente
Calidad del Sueño
Anomalías del Sueño
Confiabilidad
BLE
Machine Learning
IA
Redes Neuronales
Smart Bracelet
Sleep Quality
Sleep Anomalies
Reliability
AI
Neural Networks
Informática (Informática)
33 Ciencias Tecnológicas
id ES_0849abfd2fec0cdd80bca7dc72827c32
oai_identifier_str oai:docta.ucm.es:20.500.14352/106977
network_acronym_str ES
network_name_str España
repository_id_str
spelling Detección de anomalias del sueño con soporte en una pulsera inteligente y algoritmos de IASleep anomaly with support in a smart bracelet and AI algrithmsTovar Ticne, Haydee Angelica004(043.3)Pulsera InteligenteCalidad del SueñoAnomalías del SueñoConfiabilidadBLEMachine LearningIARedes NeuronalesSmart BraceletSleep QualitySleep AnomaliesReliabilityAINeural NetworksInformática (Informática)33 Ciencias TecnológicasAnte el auge de las tecnologías “wearables”, que ya forman parte de nuestra vida diaria, como el uso de pulseras inteligentes, que nos permiten monitorear nuestros principales signos vitales, nos ayudan a tener una mayor precisión en nuestras rutinas de ejercicio y actividad física diaria, además de monitorizar nuestro sueño, lo que nos permite tener indicadores fiables de nuestra calidad de sueño, tema especialmente sensible en el mundo cambiante y voraz en el que vivimos, considero que este análisis desde la perspectiva del Internet de las cosas ( IoT), con la medición de variables como: ritmo cardíaco, pasos del día, nivel de oxígeno en sangre, calorías quemadas, horas de sueño, entre otros indicadores, a través de sensores de una “pulsera inteligente”, que mediante el protocolo de comunicación: “Bluetooth Low Energy (BLE)”, permite obtener estos datos de nuestro cuerpo en tiempo real, para luego ser analizados en nuestra aplicación de ordenador “DreamFit – Sistema de Monitoreo del sueño”. Cabe señalar que el presente proyecto académico constará de 2 módulos desarrollados en el lenguaje de programación Python: el Módulo1 es una aplicación de ordenador “DreamFit – Sistema de Monitoreo del sueño”, que tendrá como objetivo principal la recolección de las variables del sueño y otras variables vitales, las cuáles de descargarán en un fichero CSV, que servirá de input para el módulo 2: “DreamFit-Módulo de Machine Learning con soporte IA”, este módulo tiene por finalidad generar modelos de Machine Learning que “aprendan” o “se entrenen” con un “dataset” de anomalías del sueño validado, y luego se realice una comparación mediante algoritmos IA de validación cruzada y redes neuronales, con el fin de obtener los mejores modelos de entrenamiento, para con el mejor modelo, obtener predicciones de anomalías del sueño fiables, para nuestros usuarios. Las cuáles nos permitirán obtener conclusiones relevantes sobre la detección temprana de anomalías o trastornos comunes del sueño, que hoy en día son muy comunes en la población mundial. Finalmente, considero que este análisis de variables vitales de una pulsera inteligente es muy útil, pues no sólo nos permite controlar y alcanzar nuestros objetivos de actividad física, teniendo en cuenta el estilo de vida sedentario del mundo actual, sino que también, nos permite mejorar nuestra salud física y mental, ya que parte de este proyecto académico, consiste en demostrar y detectar, con datos experimentales de monitorización del sueño, anomalías o trastornos comunes del sueño, lo que permitirá al usuario disponer de detecciones tempranas de los trastornos del sueño, a bajo coste, que se complementarán con asistencia médica especializada, para su prevención. confirmación y tratamiento, con el fin de mejorar la calidad de vida de las personas que padecen este tipo de trastornos.García-Magariño García, IvánUniversidad Complutense de Madrid20242024-01-0120242024-01-01master thesishttp://purl.org/coar/resource_type/c_bdccAMhttp://purl.org/coar/version/c_ab4af688f83e57aainfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/20.500.14352/106977reponame:Docta Complutenseinstname:Universidad Complutense de Madrid (UCM)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessoai:docta.ucm.es:20.500.14352/1069772026-06-02T12:44:21Z
dc.title.none.fl_str_mv Detección de anomalias del sueño con soporte en una pulsera inteligente y algoritmos de IA
Sleep anomaly with support in a smart bracelet and AI algrithms
title Detección de anomalias del sueño con soporte en una pulsera inteligente y algoritmos de IA
spellingShingle Detección de anomalias del sueño con soporte en una pulsera inteligente y algoritmos de IA
Tovar Ticne, Haydee Angelica
004(043.3)
Pulsera Inteligente
Calidad del Sueño
Anomalías del Sueño
Confiabilidad
BLE
Machine Learning
IA
Redes Neuronales
Smart Bracelet
Sleep Quality
Sleep Anomalies
Reliability
AI
Neural Networks
Informática (Informática)
33 Ciencias Tecnológicas
title_short Detección de anomalias del sueño con soporte en una pulsera inteligente y algoritmos de IA
title_full Detección de anomalias del sueño con soporte en una pulsera inteligente y algoritmos de IA
title_fullStr Detección de anomalias del sueño con soporte en una pulsera inteligente y algoritmos de IA
title_full_unstemmed Detección de anomalias del sueño con soporte en una pulsera inteligente y algoritmos de IA
title_sort Detección de anomalias del sueño con soporte en una pulsera inteligente y algoritmos de IA
dc.creator.none.fl_str_mv Tovar Ticne, Haydee Angelica
author Tovar Ticne, Haydee Angelica
author_facet Tovar Ticne, Haydee Angelica
author_role author
dc.contributor.none.fl_str_mv García-Magariño García, Iván
Universidad Complutense de Madrid
dc.subject.none.fl_str_mv 004(043.3)
Pulsera Inteligente
Calidad del Sueño
Anomalías del Sueño
Confiabilidad
BLE
Machine Learning
IA
Redes Neuronales
Smart Bracelet
Sleep Quality
Sleep Anomalies
Reliability
AI
Neural Networks
Informática (Informática)
33 Ciencias Tecnológicas
topic 004(043.3)
Pulsera Inteligente
Calidad del Sueño
Anomalías del Sueño
Confiabilidad
BLE
Machine Learning
IA
Redes Neuronales
Smart Bracelet
Sleep Quality
Sleep Anomalies
Reliability
AI
Neural Networks
Informática (Informática)
33 Ciencias Tecnológicas
description Ante el auge de las tecnologías “wearables”, que ya forman parte de nuestra vida diaria, como el uso de pulseras inteligentes, que nos permiten monitorear nuestros principales signos vitales, nos ayudan a tener una mayor precisión en nuestras rutinas de ejercicio y actividad física diaria, además de monitorizar nuestro sueño, lo que nos permite tener indicadores fiables de nuestra calidad de sueño, tema especialmente sensible en el mundo cambiante y voraz en el que vivimos, considero que este análisis desde la perspectiva del Internet de las cosas ( IoT), con la medición de variables como: ritmo cardíaco, pasos del día, nivel de oxígeno en sangre, calorías quemadas, horas de sueño, entre otros indicadores, a través de sensores de una “pulsera inteligente”, que mediante el protocolo de comunicación: “Bluetooth Low Energy (BLE)”, permite obtener estos datos de nuestro cuerpo en tiempo real, para luego ser analizados en nuestra aplicación de ordenador “DreamFit – Sistema de Monitoreo del sueño”. Cabe señalar que el presente proyecto académico constará de 2 módulos desarrollados en el lenguaje de programación Python: el Módulo1 es una aplicación de ordenador “DreamFit – Sistema de Monitoreo del sueño”, que tendrá como objetivo principal la recolección de las variables del sueño y otras variables vitales, las cuáles de descargarán en un fichero CSV, que servirá de input para el módulo 2: “DreamFit-Módulo de Machine Learning con soporte IA”, este módulo tiene por finalidad generar modelos de Machine Learning que “aprendan” o “se entrenen” con un “dataset” de anomalías del sueño validado, y luego se realice una comparación mediante algoritmos IA de validación cruzada y redes neuronales, con el fin de obtener los mejores modelos de entrenamiento, para con el mejor modelo, obtener predicciones de anomalías del sueño fiables, para nuestros usuarios. Las cuáles nos permitirán obtener conclusiones relevantes sobre la detección temprana de anomalías o trastornos comunes del sueño, que hoy en día son muy comunes en la población mundial. Finalmente, considero que este análisis de variables vitales de una pulsera inteligente es muy útil, pues no sólo nos permite controlar y alcanzar nuestros objetivos de actividad física, teniendo en cuenta el estilo de vida sedentario del mundo actual, sino que también, nos permite mejorar nuestra salud física y mental, ya que parte de este proyecto académico, consiste en demostrar y detectar, con datos experimentales de monitorización del sueño, anomalías o trastornos comunes del sueño, lo que permitirá al usuario disponer de detecciones tempranas de los trastornos del sueño, a bajo coste, que se complementarán con asistencia médica especializada, para su prevención. confirmación y tratamiento, con el fin de mejorar la calidad de vida de las personas que padecen este tipo de trastornos.
publishDate 2024
dc.date.none.fl_str_mv 2024
2024-01-01
2024
2024-01-01
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
AM
http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.14352/106977
url https://hdl.handle.net/20.500.14352/106977
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Docta Complutense
instname:Universidad Complutense de Madrid (UCM)
instname_str Universidad Complutense de Madrid (UCM)
reponame_str Docta Complutense
collection Docta Complutense
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869403034040139776
score 15,811543

Similares en LA Referencia