Diagnóstico de la Fibrilación Auricular mediante el análisis inteligente de registros intracardiacos

Las enfermedades cardíacas se encuentran entre las principales causas de muerte a nivel mundial. La Fibrilación Auricular es el trastorno cardiovascular más común y su diagnóstico no es sencillo: habitualmente su tratamiento conlleva el uso de marcapasos para regular el ritmo cardiaco y no existe un...

Descripción completa

Detalles Bibliográficos
Autor: Costa Cortéz, Nahuel Alejandro|||0000-0002-9189-2192
Tipo de recurso: tesis de maestría
Fecha de publicación:2021
País:España
Institución:Universidad de Oviedo (UNIOVI)
Repositorio:RUO. Repositorio Institucional de la Universidad de Oviedo
Idioma:español
OAI Identifier:oai:digibuo.uniovi.es:10651/57974
Acceso en línea:http://hdl.handle.net/10651/57974
Access Level:acceso abierto
Palabra clave:Fibrilación Auricular
Redes neuronales
Autoencoder Variacional
id ES_fa15032debcceee8f169b951c83458ea
oai_identifier_str oai:digibuo.uniovi.es:10651/57974
network_acronym_str ES
network_name_str España
repository_id_str
spelling Diagnóstico de la Fibrilación Auricular mediante el análisis inteligente de registros intracardiacosCosta Cortéz, Nahuel Alejandro|||0000-0002-9189-2192Fibrilación AuricularRedes neuronalesAutoencoder VariacionalLas enfermedades cardíacas se encuentran entre las principales causas de muerte a nivel mundial. La Fibrilación Auricular es el trastorno cardiovascular más común y su diagnóstico no es sencillo: habitualmente su tratamiento conlleva el uso de marcapasos para regular el ritmo cardiaco y no existe un procedimiento estándar para diagnosticar el estado de la enfermedad más allá de la revisión de los datos capturados por estos dispositivos por parte de los especialistas. La Inteligencia Artificial está muy presente en nuestra sociedad y está irrumpiendo en campos diversos, incluyendo el diagnóstico de enfermedades. Sin embargo, su presencia en el diagnóstico de trastornos cardíacos es limitada, mientras que el uso de algoritmos eficientes puede apoyar en gran medida a la interpretación de los datos de los pacientes. Este proyecto tiene como objetivo ofrecer una herramienta de apoyo a los especialistas médicos para el diagnóstico de la Fibrilación Auricular a partir de los datos intracardíacos capturados por marcapasos de individuos que padecen la enfermedad. Especialmente, se incide en la predicción de la característica más crítica de la Fibrilación Auricular, el punto de cambio entre arritmias paroxísticas y permanentes, con el objetivo de anticiparse prematuramente a una posible complicación en la situación del paciente. Se explora el uso de un tipo de red neuronal conocida como Autoencoder Variacional (VAE). Estas redes tienen como objetivo aprender una representación simplificada de los datos de entrada, reduciéndolos a unas menores dimensiones, para después reconstruirlos nuevamente a la dimensión original. Se aprovecha esta capacidad de compresión de datos para crear a partir de arritmias ya diagnosticadas, que reflejan diferentes etapas de la Fibrilación Auricular, un mapa gráfico bidimensional. Con esto se consigue una herramienta que cuando analice datos de pacientes, es decir, sus registros cardíacos, aprenderá a situar su representación comprimida en la zona del mapa que mejor se adecúe a sus características, ofreciendo así una forma sencilla de diagnosticar el estado de la enfermedad del individuo en función de su cercanía a arritmias cuyo diagnóstico es conocido.Ranilla Pastor, JoséSánchez Ramos, Luciano20212021-01-26master thesishttp://purl.org/coar/resource_type/c_bdccNAhttp://purl.org/coar/version/c_be7fb7dd8ff6fe43info:eu-repo/semantics/masterThesishttp://hdl.handle.net/10651/57974reponame:RUO. Repositorio Institucional de la Universidad de Oviedoinstname:Universidad de Oviedo (UNIOVI)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:digibuo.uniovi.es:10651/579742026-06-07T06:38:51Z
dc.title.none.fl_str_mv Diagnóstico de la Fibrilación Auricular mediante el análisis inteligente de registros intracardiacos
title Diagnóstico de la Fibrilación Auricular mediante el análisis inteligente de registros intracardiacos
spellingShingle Diagnóstico de la Fibrilación Auricular mediante el análisis inteligente de registros intracardiacos
Costa Cortéz, Nahuel Alejandro|||0000-0002-9189-2192
Fibrilación Auricular
Redes neuronales
Autoencoder Variacional
title_short Diagnóstico de la Fibrilación Auricular mediante el análisis inteligente de registros intracardiacos
title_full Diagnóstico de la Fibrilación Auricular mediante el análisis inteligente de registros intracardiacos
title_fullStr Diagnóstico de la Fibrilación Auricular mediante el análisis inteligente de registros intracardiacos
title_full_unstemmed Diagnóstico de la Fibrilación Auricular mediante el análisis inteligente de registros intracardiacos
title_sort Diagnóstico de la Fibrilación Auricular mediante el análisis inteligente de registros intracardiacos
dc.creator.none.fl_str_mv Costa Cortéz, Nahuel Alejandro|||0000-0002-9189-2192
author Costa Cortéz, Nahuel Alejandro|||0000-0002-9189-2192
author_facet Costa Cortéz, Nahuel Alejandro|||0000-0002-9189-2192
author_role author
dc.contributor.none.fl_str_mv Ranilla Pastor, José
Sánchez Ramos, Luciano
dc.subject.none.fl_str_mv Fibrilación Auricular
Redes neuronales
Autoencoder Variacional
topic Fibrilación Auricular
Redes neuronales
Autoencoder Variacional
description Las enfermedades cardíacas se encuentran entre las principales causas de muerte a nivel mundial. La Fibrilación Auricular es el trastorno cardiovascular más común y su diagnóstico no es sencillo: habitualmente su tratamiento conlleva el uso de marcapasos para regular el ritmo cardiaco y no existe un procedimiento estándar para diagnosticar el estado de la enfermedad más allá de la revisión de los datos capturados por estos dispositivos por parte de los especialistas. La Inteligencia Artificial está muy presente en nuestra sociedad y está irrumpiendo en campos diversos, incluyendo el diagnóstico de enfermedades. Sin embargo, su presencia en el diagnóstico de trastornos cardíacos es limitada, mientras que el uso de algoritmos eficientes puede apoyar en gran medida a la interpretación de los datos de los pacientes. Este proyecto tiene como objetivo ofrecer una herramienta de apoyo a los especialistas médicos para el diagnóstico de la Fibrilación Auricular a partir de los datos intracardíacos capturados por marcapasos de individuos que padecen la enfermedad. Especialmente, se incide en la predicción de la característica más crítica de la Fibrilación Auricular, el punto de cambio entre arritmias paroxísticas y permanentes, con el objetivo de anticiparse prematuramente a una posible complicación en la situación del paciente. Se explora el uso de un tipo de red neuronal conocida como Autoencoder Variacional (VAE). Estas redes tienen como objetivo aprender una representación simplificada de los datos de entrada, reduciéndolos a unas menores dimensiones, para después reconstruirlos nuevamente a la dimensión original. Se aprovecha esta capacidad de compresión de datos para crear a partir de arritmias ya diagnosticadas, que reflejan diferentes etapas de la Fibrilación Auricular, un mapa gráfico bidimensional. Con esto se consigue una herramienta que cuando analice datos de pacientes, es decir, sus registros cardíacos, aprenderá a situar su representación comprimida en la zona del mapa que mejor se adecúe a sus características, ofreciendo así una forma sencilla de diagnosticar el estado de la enfermedad del individuo en función de su cercanía a arritmias cuyo diagnóstico es conocido.
publishDate 2021
dc.date.none.fl_str_mv 2021
2021-01-26
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
NA
http://purl.org/coar/version/c_be7fb7dd8ff6fe43
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10651/57974
url http://hdl.handle.net/10651/57974
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.source.none.fl_str_mv reponame:RUO. Repositorio Institucional de la Universidad de Oviedo
instname:Universidad de Oviedo (UNIOVI)
instname_str Universidad de Oviedo (UNIOVI)
reponame_str RUO. Repositorio Institucional de la Universidad de Oviedo
collection RUO. Repositorio Institucional de la Universidad de Oviedo
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869425152563871744
score 15,300724

Similares en LA Referencia