Detección automática de apneas del sueño a partir del electrocardiograma
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 i...
| Author: | |
|---|---|
| Format: | master thesis |
| Publication Date: | 2022 |
| Country: | España |
| Institution: | Universidad de Alcalá (UAH) |
| Repository: | e_Buah Biblioteca Digital Universidad de Alcalá |
| Language: | Spanish |
| OAI Identifier: | oai:ebuah.uah.es:10017/53497 |
| Online Access: | http://hdl.handle.net/10017/53497 |
| Access Level: | Open access |
| Keyword: | Apnea del sueño Electrocardiograma Señal EDR Redes neuronales Fusión de datos Dempster-Shafer Sleep apnea Electrocardiogram EDR signal Neural netwotk Data fusion Telecomunicaciones Telecommunication |
| Summary: | 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. |
|---|