Detección de fibrilación auricular en electrocardiogramas de corta duración.
Resumen:
En este trabajo se presentan los lineamientos generales para la aplicación de dos algoritmos de aprendizaje automático para la identificación de una patología cardíaca, la fibrilación auricular (FA), a partir de la señal electrocardiográfica (ECG) de una derivación y de corta duración registrada con un dispositivo de tecnología electrónica móvil (DTEM). Visto la importancia del diagnóstico temprano de patologías cardiovasculares tales como la FA, nuestro objetivo es mejorar la capacidad de clasificación del DTEM el cual, en la práctica, deja sin clasificar un conjunto relevante de registros de ECG. Se analiza el desempeño de técnicas de clasificación supervisada tales como árboles generados por partición recursiva y los bosques aleatorios, empleadas en combinación con métodos de extracción de características de la señal ECG, aplicadas a un banco de entrenamiento internacional y a un conjunto de prueba nacional de registros de ECG, generado en 2019, de una población adulta mayor del Uruguay, en virtud de una colaboración entre la CHSCV y el Plan Ibirapitá. Los resultados obtenidos se interpretan a través de los diagnósticos disponibles de los ECG realizados por expertos cardiólogos clínicos.
2021 | |
Agencia Nacional de Investigación e Innovación | |
Electrocardiograma Fibrilación auricular Clasificación supervisada Ciencias Naturales y Exactas Matemáticas Estadística y Probabilidad Ciencias Médicas y de la Salud Medicina Clínica Sistemas Cardíaco y Cardiovascular |
|
Español | |
Agencia Nacional de Investigación e Innovación | |
REDI | |
https://hdl.handle.net/20.500.12381/491 | |
Acceso abierto | |
Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional. (CC BY-NC-SA) |
_version_ | 1814959266321137664 |
---|---|
author | Scavino, Marco |
author2 | Estragó, Virginia Muñoz, Matı́as Castrillejo, Andrés Álvarez-Vaz, Ramón |
author2_role | author author author author |
author_facet | Scavino, Marco Estragó, Virginia Muñoz, Matı́as Castrillejo, Andrés Álvarez-Vaz, Ramón |
author_role | author |
bitstream.checksum.fl_str_mv | 2d97768b1a25a7df5a347bb58fd2d77f d9203cf969a474dc7b935341295cacac |
bitstream.checksumAlgorithm.fl_str_mv | MD5 MD5 |
bitstream.url.fl_str_mv | https://redi.anii.org.uy/jspui/bitstream/20.500.12381/491/2/license.txt https://redi.anii.org.uy/jspui/bitstream/20.500.12381/491/1/ExtensoSIEP2021_deteccion_FA_en_ECG_corta_duracion.pdf |
collection | REDI |
dc.creator.none.fl_str_mv | Scavino, Marco Estragó, Virginia Muñoz, Matı́as Castrillejo, Andrés Álvarez-Vaz, Ramón |
dc.date.accessioned.none.fl_str_mv | 2021-12-09T17:09:03Z |
dc.date.available.none.fl_str_mv | 2021-12-09T17:09:03Z |
dc.date.issued.none.fl_str_mv | 2021-06-14 |
dc.description.abstract.none.fl_txt_mv | En este trabajo se presentan los lineamientos generales para la aplicación de dos algoritmos de aprendizaje automático para la identificación de una patología cardíaca, la fibrilación auricular (FA), a partir de la señal electrocardiográfica (ECG) de una derivación y de corta duración registrada con un dispositivo de tecnología electrónica móvil (DTEM). Visto la importancia del diagnóstico temprano de patologías cardiovasculares tales como la FA, nuestro objetivo es mejorar la capacidad de clasificación del DTEM el cual, en la práctica, deja sin clasificar un conjunto relevante de registros de ECG. Se analiza el desempeño de técnicas de clasificación supervisada tales como árboles generados por partición recursiva y los bosques aleatorios, empleadas en combinación con métodos de extracción de características de la señal ECG, aplicadas a un banco de entrenamiento internacional y a un conjunto de prueba nacional de registros de ECG, generado en 2019, de una población adulta mayor del Uruguay, en virtud de una colaboración entre la CHSCV y el Plan Ibirapitá. Los resultados obtenidos se interpretan a través de los diagnósticos disponibles de los ECG realizados por expertos cardiólogos clínicos. |
dc.description.sponsorship.none.fl_txt_mv | Agencia Nacional de Investigación e Innovación |
dc.identifier.anii.es.fl_str_mv | FSDA_1_2018_1_154651 |
dc.identifier.uri.none.fl_str_mv | https://hdl.handle.net/20.500.12381/491 |
dc.language.iso.none.fl_str_mv | spa |
dc.rights.es.fl_str_mv | Acceso abierto |
dc.rights.license.none.fl_str_mv | Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional. (CC BY-NC-SA) |
dc.rights.none.fl_str_mv | info:eu-repo/semantics/openAccess |
dc.source.es.fl_str_mv | Decimocuarta Semana Internacional de la Estadística y la Probabilidad 14-18 de junio de 2021 |
dc.source.none.fl_str_mv | reponame:REDI instname:Agencia Nacional de Investigación e Innovación instacron:Agencia Nacional de Investigación e Innovación |
dc.subject.anii.none.fl_str_mv | Ciencias Naturales y Exactas Matemáticas Estadística y Probabilidad Ciencias Médicas y de la Salud Medicina Clínica Sistemas Cardíaco y Cardiovascular |
dc.subject.es.fl_str_mv | Electrocardiograma Fibrilación auricular Clasificación supervisada |
dc.title.none.fl_str_mv | Detección de fibrilación auricular en electrocardiogramas de corta duración. |
dc.type.es.fl_str_mv | Documento de conferencia |
dc.type.none.fl_str_mv | info:eu-repo/semantics/conferenceObject |
dc.type.version.es.fl_str_mv | Publicado |
dc.type.version.none.fl_str_mv | info:eu-repo/semantics/publishedVersion |
description | En este trabajo se presentan los lineamientos generales para la aplicación de dos algoritmos de aprendizaje automático para la identificación de una patología cardíaca, la fibrilación auricular (FA), a partir de la señal electrocardiográfica (ECG) de una derivación y de corta duración registrada con un dispositivo de tecnología electrónica móvil (DTEM). Visto la importancia del diagnóstico temprano de patologías cardiovasculares tales como la FA, nuestro objetivo es mejorar la capacidad de clasificación del DTEM el cual, en la práctica, deja sin clasificar un conjunto relevante de registros de ECG. Se analiza el desempeño de técnicas de clasificación supervisada tales como árboles generados por partición recursiva y los bosques aleatorios, empleadas en combinación con métodos de extracción de características de la señal ECG, aplicadas a un banco de entrenamiento internacional y a un conjunto de prueba nacional de registros de ECG, generado en 2019, de una población adulta mayor del Uruguay, en virtud de una colaboración entre la CHSCV y el Plan Ibirapitá. Los resultados obtenidos se interpretan a través de los diagnósticos disponibles de los ECG realizados por expertos cardiólogos clínicos. |
eu_rights_str_mv | openAccess |
format | conferenceObject |
id | REDI_8c73b31e71dfa82f0963f99710a1e4ce |
identifier_str_mv | FSDA_1_2018_1_154651 |
instacron_str | Agencia Nacional de Investigación e Innovación |
institution | Agencia Nacional de Investigación e Innovación |
instname_str | Agencia Nacional de Investigación e Innovación |
language | spa |
network_acronym_str | REDI |
network_name_str | REDI |
oai_identifier_str | oai:redi.anii.org.uy:20.500.12381/491 |
publishDate | 2021 |
reponame_str | REDI |
repository.mail.fl_str_mv | jmaldini@anii.org.uy |
repository.name.fl_str_mv | REDI - Agencia Nacional de Investigación e Innovación |
repository_id_str | 9421 |
rights_invalid_str_mv | Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional. (CC BY-NC-SA) Acceso abierto |
spelling | Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional. (CC BY-NC-SA)Acceso abiertoinfo:eu-repo/semantics/openAccess2021-12-09T17:09:03Z2021-12-09T17:09:03Z2021-06-14https://hdl.handle.net/20.500.12381/491FSDA_1_2018_1_154651En este trabajo se presentan los lineamientos generales para la aplicación de dos algoritmos de aprendizaje automático para la identificación de una patología cardíaca, la fibrilación auricular (FA), a partir de la señal electrocardiográfica (ECG) de una derivación y de corta duración registrada con un dispositivo de tecnología electrónica móvil (DTEM). Visto la importancia del diagnóstico temprano de patologías cardiovasculares tales como la FA, nuestro objetivo es mejorar la capacidad de clasificación del DTEM el cual, en la práctica, deja sin clasificar un conjunto relevante de registros de ECG. Se analiza el desempeño de técnicas de clasificación supervisada tales como árboles generados por partición recursiva y los bosques aleatorios, empleadas en combinación con métodos de extracción de características de la señal ECG, aplicadas a un banco de entrenamiento internacional y a un conjunto de prueba nacional de registros de ECG, generado en 2019, de una población adulta mayor del Uruguay, en virtud de una colaboración entre la CHSCV y el Plan Ibirapitá. Los resultados obtenidos se interpretan a través de los diagnósticos disponibles de los ECG realizados por expertos cardiólogos clínicos.Agencia Nacional de Investigación e InnovaciónspaDecimocuarta Semana Internacional de la Estadística y la Probabilidad 14-18 de junio de 2021reponame:REDIinstname:Agencia Nacional de Investigación e Innovacióninstacron:Agencia Nacional de Investigación e InnovaciónElectrocardiogramaFibrilación auricularClasificación supervisadaCiencias Naturales y ExactasMatemáticasEstadística y ProbabilidadCiencias Médicas y de la SaludMedicina ClínicaSistemas Cardíaco y CardiovascularDetección de fibrilación auricular en electrocardiogramas de corta duración.Documento de conferenciaPublicadoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/conferenceObjectUniversidad de la RepúblicaI. Facultad de Ciencias Económicas y de Administración//Ciencias Naturales y Exactas/Matemáticas/Estadística y Probabilidad//Ciencias Médicas y de la Salud/Medicina Clínica/Sistemas Cardíaco y CardiovascularScavino, MarcoEstragó, VirginiaMuñoz, Matı́asCastrillejo, AndrésÁlvarez-Vaz, RamónLICENSElicense.txtlicense.txttext/plain; charset=utf-84746https://redi.anii.org.uy/jspui/bitstream/20.500.12381/491/2/license.txt2d97768b1a25a7df5a347bb58fd2d77fMD52ORIGINALExtensoSIEP2021_deteccion_FA_en_ECG_corta_duracion.pdfExtensoSIEP2021_deteccion_FA_en_ECG_corta_duracion.pdfResumen Extendidoapplication/pdf567288https://redi.anii.org.uy/jspui/bitstream/20.500.12381/491/1/ExtensoSIEP2021_deteccion_FA_en_ECG_corta_duracion.pdfd9203cf969a474dc7b935341295cacacMD5120.500.12381/4912021-12-17 14:20:36.262oai:redi.anii.org.uy:20.500.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://www.anii.org.uy/https://redi.anii.org.uy/oai/requestjmaldini@anii.org.uyUruguayopendoar:94212021-12-17T17:20:36REDI - Agencia Nacional de Investigación e Innovaciónfalse |
spellingShingle | Detección de fibrilación auricular en electrocardiogramas de corta duración. Scavino, Marco Electrocardiograma Fibrilación auricular Clasificación supervisada Ciencias Naturales y Exactas Matemáticas Estadística y Probabilidad Ciencias Médicas y de la Salud Medicina Clínica Sistemas Cardíaco y Cardiovascular |
status_str | publishedVersion |
title | Detección de fibrilación auricular en electrocardiogramas de corta duración. |
title_full | Detección de fibrilación auricular en electrocardiogramas de corta duración. |
title_fullStr | Detección de fibrilación auricular en electrocardiogramas de corta duración. |
title_full_unstemmed | Detección de fibrilación auricular en electrocardiogramas de corta duración. |
title_short | Detección de fibrilación auricular en electrocardiogramas de corta duración. |
title_sort | Detección de fibrilación auricular en electrocardiogramas de corta duración. |
topic | Electrocardiograma Fibrilación auricular Clasificación supervisada Ciencias Naturales y Exactas Matemáticas Estadística y Probabilidad Ciencias Médicas y de la Salud Medicina Clínica Sistemas Cardíaco y Cardiovascular |
url | https://hdl.handle.net/20.500.12381/491 |