Mostrar el registro sencillo del ítem

Development Of A System For Classification Of Cardiovascular Pathologies In Electrocardiographic Signals (Ecg) Applying Artificial Intelligence And Cloud Computing

dc.creatorBravo Tuay , Darío Fernando
dc.creatorPortilla González, Germán Arley
dc.date2021-10-14
dc.date.accessioned2021-10-21T15:05:11Z
dc.date.available2021-10-21T15:05:11Z
dc.identifierhttps://hemeroteca.unad.edu.co/index.php/wpecbti/article/view/4812
dc.identifier10.22490/ECBTI.4812
dc.identifier.urihttps://repository.unad.edu.co/handle/10596/43125
dc.descriptionIn this project, the development of a system for the classification of cardiac pathologies in electrocardiographic signals (ECG) is proposed through the implementation of Artificial Intelligence (AI) based on Machine Learning under the Python programming language on Linux. The main idea of artificial intelligence is to develop methods and algorithms that allow computers to behave intelligently. In the first place, the electrocardiographic signals of healthy patients and patients with cardiovascular problems are acquired through the database called "Physiobank" such as valve disease, bundle branch block, ventricular hypertrophy and cardiac dysrhythmia, in which techniques must be applied treatment and processing of signals such as Wavelet, FFT, entropy and energy for the subsequent search for characteristics or patterns that demonstrate a difference in the signals, therefore, obtain a correct classification by applying Machine Learning techniques with respect to the heart diseases present and provide greater ease in terms of diagnosis by the specialist, based on the above, the best technique in terms of results and optimization is selected. Second, once the characterization and classification of the ECG waves is completed, Cloud Computing strategies are applied to manage the data, store and process it under the same server and deliver results online. The ECG signals are worked in .mat format, these are pre-processed and processed using signal treatment techniques, techniques such as Support Vector Machine, Naïve Bayes and Decision Trees are implemented, on the other hand, the selection of the technique to be used as classification is based on the best classification percentage produced by the model generated by each of the aforementioned techniques, once the best technique has been selected, the signal classifier system is terminated and a web application is created using the Use of a micro-framework called Flask which can be implemented in Python, as an advantage code can be executed under said programming language allowing you to create your own web page and be able to be compiled in the cloud through the Cloud Pythonanywhere service.en-US
dc.descriptionEn el presente proyecto se plantea el desarrollo de un sistema para clasificación de patologías cardíacas en señales electrocardiográficas (ECG) mediante la implementación de Inteligencia Artificial (IA) basado en Machine Learning bajo el lenguaje de programación Python sobre Linux. La idea principal de la inteligencia artificial es la de desarrollar métodos y algoritmos que permitan comportarse a las computadoras de modo inteligente. En primer lugar, se adquieren las señales electrocardiográficas de pacientes sanos y pacientes con problemas cardiovasculares por medio de la base de datos denominada “Physiobank” tales como afección valvular, bloqueo de rama, hipertrofia ventricular y disritmia cardiaca, en lo cual se debe aplicar técnicas de tratamiento y procesamiento de señales como lo es Wavelet, FFT, entropía y energía para la posterior búsqueda de características o patrones que demuestren una diferencia en las señales, por consiguiente, obtener una correcta clasificación mediante la aplicación de técnicas de Machine Learning con respecto a las cardiopatías presentes y dar una mayor facilidad en cuanto al diagnóstico por parte del especialista, con base a lo anterior se selecciona la mejor técnica en cuanto a resultados y optimización. En segundo lugar, una vez finalizada la caracterización y clasificación de las ondas ECG se procede a aplicar estrategias de Cloud Computing para gestionar los datos, almacenarlos y procesarlos bajo el mismo servidor y entregar resultados en línea. Las señales ECG se trabajan en formato .mat, estas son preprocesadas y procesadas mediante las técnicas de tratamiento de señales,  se implementan técnicas como Support Vector Machine, Naïve Bayes y Árboles de decisión, por otro lado, la selección de la técnica a emplearse como clasificación se basa en el mejor porcentaje de clasificación arrojado por el modelo generado por cada una de las técnicas mencionadas anteriormente, una vez se ha seleccionado la mejor técnica se da por finalizado el sistema clasificador de señales y se procede a crear un aplicativo web mediante el uso de un micro-framework denominado Flask el cual se puede implementar en Python, como ventaje se puede ejecutar código bajo dicho lenguaje de programación permitiendo crear su propia página web y poder ser compilada en la nube mediante el servicio Cloud Pythonanywhere.es-ES
dc.formatapplication/pdf
dc.languagespa
dc.publisherSello Editorial UNADes-ES
dc.relationhttps://hemeroteca.unad.edu.co/index.php/wpecbti/article/view/4812/5186
dc.rightsDerechos de autor 2021 Documentos de Trabajo ECBTIes-ES
dc.rightshttps://creativecommons.org/licenses/by-nc-sa/4.0es-ES
dc.sourceDocumentos de Trabajo ECBTI; Vol. 2 Núm. 1 (2021)es-ES
dc.subjectSupervised languageen-US
dc.subjectFeature extractionen-US
dc.subjectElectrocardiographic signalsen-US
dc.subjectCloud Computingen-US
dc.subjectLenguaje supervisadoes-ES
dc.subjectExtracción de característicases-ES
dc.subjectSeñales electrocardiográficases-ES
dc.subjectCloud Computinges-ES
dc.titleDevelopment Of A System For Classification Of Cardiovascular Pathologies In Electrocardiographic Signals (Ecg) Applying Artificial Intelligence And Cloud Computingen-US
dc.titleDesarrollo De Un Sistema Para Clasificación De Patologías Cardiovasculares En Señales Electrocardiográficas (Ecg) Aplicando Inteligencia Artificial Y Cloud Computinges-ES
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion
dc.typeArtículo revisado por pareses-ES


Ficheros en el ítem

FicherosTamañoFormatoVer

No hay ficheros asociados a este ítem.

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem