Robust Autonomic Nervous System Monitorization Using Wearables in Chronic Diseases
La aparición de los dispositivos wearables en el ámbito de la biomedicina marca un hito importante en la evolución de la tecnología aplicada al cuidado de la salud y el bienestar personal. Estos dispositivos han revolucionado la forma en que se monitorizan los parámetros fisiológicos y las actividad...
| Autores: | , , |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2025 |
| País: | España |
| Institución: | Universidad de Zaragoza |
| Repositorio: | Zaguán. Repositorio Digital de la Universidad de Zaragoza |
| OAI Identifier: | oai:zaguan.unizar.es:161925 |
| Acceso en línea: | http://zaguan.unizar.es/record/161925 |
| Access Level: | acceso abierto |
| Palabra clave: | tratamiento de señales tecnología médica |
| Sumario: | La aparición de los dispositivos wearables en el ámbito de la biomedicina marca un hito importante en la evolución de la tecnología aplicada al cuidado de la salud y el bienestar personal. Estos dispositivos han revolucionado la forma en que se monitorizan los parámetros fisiológicos y las actividades cotidianas del individuo. Su desarrollo se basa en la miniaturización avanzada de sensores y sistemas de procesamiento de señales, permitiendo la captura y análisis en tiempo real de datos críticos como la frecuencia cardíaca, la oxigenación sanguínea y el nivel de actividad física, entre otros.<br />Esta innovación no solo facilita una vigilancia constante y preventiva de la salud, sino que también abre nuevas vías para la personalización del<br />tratamiento médico y la rehabilitación.<br />Los dispositivos wearables conllevan ciertas limitaciones que deben ser cuidadosamente consideradas en el diseño de algoritmos de procesamiento de señales. Uno de los desafíos principales es la calidad de los datos recogidos en entornos no controlados. Las grabaciones no supervisadas, realizadas en la vida cotidiana del usuario, pueden ser susceptibles a variaciones en la colocación del dispositivo, movimientos extrínsecos, y condiciones ambientales variables, lo cual puede resultar en mediciones imprecisas o incompletas. Adicionalmente, la naturaleza misma de los sensores utilizados en estos dispositivos, así como de las señales biológicas que registran, tiende a producir datos con un mayor nivel de ruido y artefactos. Esto es particularmente notable en señales como la fotopletismografía.<br />Para contrarrestar estos inconvenientes, es imperativo adaptar y desarrollar métodos de análisis robustos que puedan manejar estas imperfecciones inherentes a los datos. Esto incluye técnicas de preprocesamiento para la eliminación de artefactos, así como algoritmos de análisis más sofisticados que puedan extraer información útil incluso de datos incompletos. En esta tesis se presentan algunos de estos métodos, así como aplicaciones de los mismos en la monitorización de enfermedades crónicas con dispositivos wearables. En concreto, se presentan aplicaciones para el screening de apnea del sueño y para la monitorización de la depresión y la ansiedad.<br /> |
|---|