Show simple item record

dc.contributor.authorOrtiz Viviescas, Juan Davidspa
dc.date.accessioned2020-06-26T19:45:21Z
dc.date.available2020-06-26T19:45:21Z
dc.date.issued2014
dc.identifier.urihttp://hdl.handle.net/20.500.12749/1582
dc.description.abstractUno de los desafíos en cuidados intensivos es el proceso de destete de la ventilación mecánica. En este trabajo se presenta una aplicación de las técnicas de Inteligencia Artificial (IA) en el campo de análisis por computador de señales Biomédicas y ayuda al diagnóstico. Se han aplicado Redes Neuronales (RN) con el fin de desarrollar un clasificador para el análisis de pacientes sometidos a una extubación luego de haber sido conectados a una Ventilación Mecánica (VM). Se implementa Algoritmos Genéticos (AG) y Forward Selection (FS), como técnicas de selección de características, para la obtención de variables relevantes, explicativas del sistema cardiorrespiratorio. Se estudian 66 pacientes asistidos mediante ventilación mecánica fueron estudiados: Grupo 1 (33 pacientes con éxito en la extubación) y Grupo 2 (33 pacientes que fallaron en el proceso de extubación). Al seleccionar las características más significativas, y evaluar los diferentes clasificadores obtenidos el mejor presento un porcentaje de clasificación del 79% considerando únicamente 4 de las 21 características.spa
dc.description.tableofcontents1 Objetivo General 9 1.1 Objetivos Específicos 9 2 Justificación 10 3 Antecedentes 11 4 Estado del Arte 14 5 Marco Teórico 18 5.1 Sistema Respiratorio 18 5.2 Neumotacografía 20 5.3 La señal electrocardiográfica (ECG) 20 5.4 La Ventilación mecánica 21 5.5 Destete o extubación 22 5.6 Métodos de extubación de pacientes 22 5.7 Interacción cardiorrespiratoria. 23 5.8 Base de datos 23 5.9 Procesamiento de las señales 24 5.10 Métodos de remuestreo 25 5.10.1 Interpolación cuadrática 25 5.11 Extracción de características 26 5.11.1 La Transformada Wavelet 26 5.12 Selección de características 27 5.12.1 Forward Selection (FS) 28 5.12.2 Algoritmo Genético (AG) 29 5.13 Clasificador 29 5.14 Clasificación con redes neuronales 30 5.15 Redes Neuronales (RNs) 30 5.16 Prueba U de Mann-Whitney 31 6 Metodología 33 6.1 Introducción 33 6.2 Esquema de la metodología 33 7 Desarrollo del proyecto 39 7.1 Patrón Respiratorio 39 7.1.1 Estadísticos 39 7.1.2 Transformada Wavelet. 47 7.2 Interacción Cardiorrespiratoria 53 7.2.1 Estadísticos 56 7.2.2 La transformada Wavelet. 60 8 Conclusiones 63 9 Bibliografía 67 10 Anexos 75spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.titleAnálisis de la interacción entre el patrón respiratorio y la frecuencia cardíaca, en pacientes asistidos mediante ventilación mecánica, para la estimación del momento óptimo en la extubaciónspa
dc.title.translatedAnalysis of the interaction between respiratory pattern and heart rate, in patients assisted by mechanical ventilation, to estimate the optimal moment in extubationeng
dc.degree.nameIngeniero Mecatrónicospa
dc.coverageBucaramanga (Colombia)spa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.rights.localAbierto (Texto Completo)spa
dc.publisher.facultyFacultad Ingenieríaspa
dc.publisher.programPregrado Ingeniería Mecatrónicaspa
dc.description.degreelevelPregradospa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.localTrabajo de Gradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.subject.keywordsMechatronic Engineeringeng
dc.subject.keywordsArtificial respirationeng
dc.subject.keywordsRespiratory therapy serviceeng
dc.subject.keywordsHospitalseng
dc.subject.keywordsInvestigationseng
dc.subject.keywordsAnalysiseng
dc.subject.keywordsMechanical ventilationeng
dc.subject.keywordsRespiratory patterneng
dc.subject.keywordsMethodseng
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2spa
dc.relation.referencesOrtiz, Juan David (2014). Análisis de la interacción entre el patrón respiratorio y la frecuencia cardiaca, en pacientes asistidos mediante ventilación mecánica, para la estimulación del momento optimo en la extubación. Bucaramanga (Santander, Colombia) : Universidad Autónoma de Bucaramanga UNABspa
dc.relation.referenceswest j. fisiologia respiratoria. Editorial medica panamericana. Sexta edición, Buenos aires, 2004.spa
dc.relation.referencesfrutos i alia m r lorenzo j garcía pardo m nolla j ibáñez j p tirapu s macias j blanco s benito a anzueto a esteban (2003). Utilización de la ventilación mecánica en 72 unidades de cuidados intensivos en España, medicina intensiva vol. 27 núm. 1 pág. 1-12spa
dc.relation.referencescristancho, g. w. (2003). Fundamentos de la fisioterapia respiratoria y ventilación mecánica manual moderna: 419-435.spa
dc.relation.referencesb. Giraldo, member, ieee, c. Arizmendi, member, ieee, e. Romero, r. alquezar, p. caminal,s. benito, d, (2006). Ballesteros patients on weaning trials classified with neural networks and features selection procedings of the 28th ieee embs annual international conference isbn 1-4244-0033-3/06_ ieee.spa
dc.relation.referencesb. giraldo, member, ieee, a. garde, c. arizmendi, member, ieee, r. jané, member, ieee,s. benito, i. diaz, d. ballesteros, (2006). support vector machine classification applied on weaning trials patients procedings of the 28th ieee embs annual international conference isbn 1-4244-0033-3/06/_ieee.spa
dc.relation.referencespere caminal , beatriz giraldo, haritz zabaleta , montserrat vallverdu , salvador benito , d ballesteros , l lópez-rodriguez , a esteban , m baumert , andreas voss, (2005) joint symbolic dynamic analysis of cardiorespiratory interactions in patients on weaning trials. a: 27th annual international conference of the ieee engineering in medicine and biology society p. 1-4.spa
dc.relation.referencesdirk cysark, arndt büssing (2005) cardiorrespiratory symchronization during zenial s meditation eur j appl physiol, 95: 88-95spa
dc.relation.referencesbenito s. net a., (1990). “función pulmonar en paciente ventilado”. ed.doyma. barcelona-españaspa
dc.relation.referencesCarlos J. Finlay (2011). “Protocolo para el destete de pacientes acoplados a ventilación mecánica” tesis para grado científico.spa
dc.relation.referencesDr. F. Ramos (2007). “Desconexión de ventilación mecánica”. Tomado de la web 20 de noviembre 2013. http://chguv.san.gva.es/Inicio/ServiciosSalud/ServiciosHospitalarios/AnestRea/Documents/RAMOS_Prot_DesconVentMecanica_CHGUV130307.pdfspa
dc.relation.referencesharitz zabaleta rekondo (2013). “análisis de interacción entre patrón respiratorio y frecuencia cardíaca, mediante dinámica simbólica conjunta, en pacientes durante el proceso de extubación de ventilación mecánica”. Proyecto maestría.spa
dc.relation.referencescarlos j. arizmendi (2007). “técnicas de análisis del patrón respiratorio y cardiorrespiratorio para la extracción de índices en pacientes en proceso de extubación” tesis doctoral upcspa
dc.relation.referencesb. giraldo1, c. arizmendi, e. romero, r. alquezar, p. caminal,s. benito, d. ballesteros. “clasificación de pacientes en proceso de extubacion mediante redes neuronales y selección características”spa
dc.relation.referencesb. giraldo giraldo, c. arizmendi pereira, p. caminal magrans, i. díaz, s. benito vales. “análisis de cluster aplicado a clasificación de pacientes en proceso de extubación”.spa
dc.relation.referencesCarlos Arizmendi, Enrique Romero, René Alquezar, Pere Caminal, Ivan Díaz, Salvador Benito,Beatriz F. Giraldo, Member, IEEE, 2009. “Data Mining of Patients on Weaning Trials from Mechanical Ventilation Using Cluster Analysis and Neural Networks”spa
dc.relation.referencesfransisca llobel. “algoritmo de extubacion” tomado de la web el dia 21 de septiembre del 2013. http://es.scribd.com/doc/52022291/cuando-y-como-extubar-algoritmo-extrategia-definitivospa
dc.relation.referencesP. CAMINAL, B. F. GIRALDO,M. VALLVERDU´ , S. BENITO,5.(2010). “Symbolic Dynamic Analysis of Relations Between Cardiac and Breathing Cycles in Patients on Weaning Trials”.spa
dc.relation.referencesAndrés Arcentales, Beatriz F. Giraldo(2011). “Recurrence Quantification Analysis of Heart Rate Variability and Respiratory Flow Series in Patients on Weaning Trials”spa
dc.relation.referencesM. G. Rosenblum, A. S. Pikovsky, and J. Kurths, (2004). Autocorrelation function and spectral linewidth of spiral chaos in a physical experiment Fluct. Noise Lett. 4, L53.spa
dc.relation.referencesM. G. Rosenblum and A. S. Pikovsky, (2004) Controlling Synchronization in an Ensemble of Globally Coupled Oscillators Phys. Rev. Lett. 92, 114102.spa
dc.relation.referencesT. Schreiber, (2001) detecting direction of coupling in interacting oscillators Phys. Rev. Lett. 85, 461.spa
dc.relation.referencesMiguel Zamorano C., Higinio Rubio A. (2010), Análisis de señales mediante STFT y Wavelet. Aplicación a defectologia en rodamiento.spa
dc.relation.referencesJ. Jamsek, A. Stefanovska, and P. V. E. (2004). Nonlinear cardio-respiratory interactions revealed by time-phase bispectral analysis McClintock, Phys. Med. Biol. 49, 4407.spa
dc.relation.referencesM. Richter, T. Schreiber, and D. T. Kaplan, (1998) Human Ecg: Nonlinear Deterministic Versus Stochastic Aspects.IEEE Eng. Med. Biol. Mag. 45, 133.spa
dc.relation.referencesG.D. Pinna’, R. Maestri’, S. Caponiolla’, M. T. La Rovere’, D. Andrews’, P. Johnson’, A. Mortara, (2003) “home telemonitomng of vital signs and cardiorespiratory signals in chronic heart failure patients” IEEE Eng. Med. Biol. Mag. 20, 55.spa
dc.relation.referencesB. Giraldo, Member, IEEE, C. Arizmendi,Member, IEEE, E. Romero, R. Alquezar, P. Caminal,S. Benito, D, (2006). Ballesteros Patients on Weaning Trials classified with Neural Networks and Features Selection procedings of the 28th IEEE embs Annual International Conference ISBN 1-4244-0033-3/06_ IEEE.spa
dc.relation.referencesSRR Vieira, AD Costa and MM Rieder, (2003) Cardiorespiratory measurements during weaning from mechanical ventilation in critical care patients: comparison of pressure support ventilation and T-piece, 23rd International Symposium on Intensive Care and Emergency Medicine Critical Care 2003, 7(Suppl 2):P176. doi:10.1186/cc2065.spa
dc.relation.referencesS Rzeczinski, NB Janson, AG Balanov, PVE ,(2002) Regions of cardiorespiratory synchronization in humans under paced respiration- Physical Review E, 2002 - APS.spa
dc.relation.referencesDirk cysark, Arndt Büssing (2005) Cardiorrespiratory symchronization during zenial s meditation Eur J Appl Physiol, 95: 88-95spa
dc.relation.referencesM . Susan. Barman and Gerard L. Gebber (2000) "Rapid" Rhythmic Discharges of Sympathetic Nerves: Sources, Mechanisms of Generation, and Physiological Relevance”J Biol Rhythms; 15; 365 DOI: 10.1177/074873000129001468spa
dc.relation.referencesLarsen PD, Booth P, Gallety DC (1999). Cardioventilatory coupling in atrial fibrilation. Br J Anaesth;82:685-90.spa
dc.relation.referencesCarlos J. Finlay (2003). “El método de remuestreo y su aplicación en la investigación biomédica”. Trabajo para optar por el título de especialista en bioestadística.spa
dc.relation.referencesFrancisco Gomez. “Procesamiento Digital de Señales”. tomado de la web el día 4 de diciembre del 2013. http://arantxa.ii.uam.es/~taao1/teoria/tema5/tema5.pdfspa
dc.relation.referencesInterpolación, Universidad de los andes. Tomado de la web el día 4 de diciembre del 2013 de la url: http://wwwprof.uniandes.edu.co/~gprieto/classes/compufis/interpolacion.pdfspa
dc.relation.referencesMuestreo. Interpolación y diezmado, tomado de la web el dia 4 de diciembre del 2013. http://www.gts.tsc.uvigo.es/ssd/practicas/practica5.pdfspa
dc.relation.referencesMartinez, J. P., Almeida, R., Olmos Gasso, S., Rocha, A. P., Laguna, P., (2004) “A Wavelet-Based ECG Delineator: Evaluation on Standard Databases”, IEEE Transactions on biomedical engineering.spa
dc.relation.referencesC.K,Chui, (1997)“Wavelets: a Mathematical Tool for Signal Analysis”. Texas A&M University College Station, Texas. SIAM. Philadelphia.spa
dc.relation.referencesRobi Polikar, tomado de la web el día 15 de diciembre del 2013 del a url: “http://users.rowan.edu/~polikar/WAVELETS/WTpart1.html”.spa
dc.relation.referencesC.K,Chui, (1997)“Wavelets: a Mathematical Tool for Signal Analysis”. Texas A&M University College Station, Texas. SIAM. Philadelphia.spa
dc.relation.referencesvariable selection. Tomado de la web el día 15 de diciembre del 2013.http://www.biostat.jhsph.edu/~iruczins/teaching/jf/ch10.pdfspa
dc.relation.referencesFiszelew, A. & García-Martínez, (2011). “GENERACIÓN AUTOMÁTICA DE REDES NEURONALES CON AJUSTE DE PARÁMETROS BASADO EN ALGORITMOS GENÉTICOS”.spa
dc.relation.referencesM. Paz Sesmero Lorente (2012)“Diseño, Análisis y Evaluación de Conjuntos de Clasificadores basados en Redes de Neuronas”. Tesis doctoral.spa
dc.relation.references“algoritmos genéticos”. Tomado de la web en noviembre del 2013, http://www.sc.ehu.es/ccwbayes/docencia/mmcc/docsspa
dc.relation.referencesAlfonso Pitarque, Juan Carlos Ruiz y Juan Francisco Roy (2003). “Las redes neuronales como herramientas estadísticas no paramétricas de clasificación”.spa
dc.relation.referencesCherkassky, V., Friedman, J.H. y Wechsler, H. (eds.) (1994). From statis -tics to neural networks. Springer- Verlag. Berlin.spa
dc.relation.referencesCroall, I.F. y Mason, J.P. (1992). Industrial applications of neural net -works. Springer-Verlag. N.Y.spa
dc.relation.referencesRaquel Flórez López (2008). “Las Redes Neuronales Artificiales fundamentos teóricos y aplicaciones prácticas”. Netbiblo. Pag. 43spa
dc.relation.referencesRodolfo Rivas-Ruiz, Jorge Moreno-Palacios, Juan O. Talaveraa,(2013) “Investigación clínica XVI Diferencias de medianas con la U de Mann-Whitney”spa
dc.relation.referencesRaquel Flórez López (2008). “Las Redes Neuronales Artificiales fundamentos teóricos y aplicaciones prácticas”. Netbiblo. Pag. 43spa
dc.relation.referencesmatlab neuronal toolbox. COPYRIGHT 1992 - 2002 by The MathWorks, Inc.spa
dc.relation.referencesS.A. Salah, M.A. Duarte-Mermoud, N.H. Beltrán, M.A. Bustos, A.I. Peña-Neira, E.A. Loyola, (2007) “Selección de Características usando Algoritmos Genéticos para Clasificación”, departamento de ingeniería electrónica Universidad de Chile.spa
dc.relation.referencesSelección de características, tomado de las web el dia 20 de noviembre del 2013, http://isa.umh.es/asignaturas/iarp/transparencias/teoria_RP_EXTRAC%20-%201.pdfspa
dc.relation.referencesCarlos García, Edwin García y Fernando Villada (2012). “Algoritmo Evolutivo Eficiente Aplicado a la Planeación de la Expansión de Sistemas de Distribución”spa
dc.relation.referencesAndrés Arcentales, Beatriz F. Giraldo(2011). “Recurrence Quantification Analysis of Heart Rate Variability and Respiratory Flow Series in Patients on Weaning Trials”spa
dc.relation.referencesL. S. Correa, B. F. Giraldo(2010). “Multi-parameter Analysis of ECG and Respiratory Flow Signals to Identify Success of Patients on Weaning Trials”.spa
dc.relation.referencesP. CAMINAL, B. F. GIRALDO,M. VALLVERDU´ , S. BENITO,5.(2010). “Symbolic Dynamic Analysis of Relations Between Cardiac and Breathing Cycles in Patients on Weaning Trials”.spa
dc.relation.referencesDr. Orlando Díaz P. “Liberación del Paciente de Ventilación Mecánica” tomado de la web el dia 22 de noviembre del 2013, http://escuela.med.puc.cl/publ/MedicinaIntensiva/Liberacion.htmlspa
dc.relation.referencesRaquel Flórez López (2008). “Las Redes Neuronales Artificiales fundamentos teóricos y aplicaciones prácticas”. Netbiblo. Pag. 43spa
dc.relation.referencesTask Force of The European Society of Cardiology and the North American Society for Pacing and Electrophysiology, “Heart rate variability: standars of measurement, physiological interpretation and clinical use”, Anals of Noninvasive Electrocardiology, vol. 1, no. 2, pp. 151-181, 1996.spa
dc.relation.referencesBrown TE, Beightol LA, Koh J, and Eckberg DL,(1998) Important influence of respiration on human R-R interval power spectra is largely ignored. J Physiol, 113: 167-179.spa
dc.relation.referencesAndrés Arcentales, Beatriz F. Giraldo(2011). “Recurrence Quantification Analysis of Heart Rate Variability and Respiratory Flow Series in Patients on Weaning Trials”spa
dc.relation.referencesPere Caminal , Beatriz Giraldo, Haritz Zabaleta , Montserrat Vallverdu , Salvador Benito , D Ballesteros , L López-Rodriguez , A Esteban , M Baumert , Andreas Voss, (2005) Joint Symbolic Dynamic Analysis of Cardiorespiratory Interactions in Patients on Weaning Trials. A: 27th Annual International Conference of the IEEE Engineering in Medicine and Biology Society p. 1-4.spa
dc.relation.referencesJ. Almasi and O. H. Schmitt, (1974). Basic technology of voluntary cardiorespiratory synchronization in electrocardiology IEEE Trans. Biomed. Eng. 21, 264.spa
dc.relation.referencesErich Steiner, “Matemáticas para las ciencias aplicadas”, Editorial Reverte, 2003 Cap 20. Pag. 512spa
dc.relation.referencesOscar J. Olarte, Daniel A. Sierra, (2007), Determinación de los Parámetros Asociados al Filtro Wavelet por Umbralización Aplicado a Filtrado de Interferencias Electrocardiográficas.spa
dc.contributor.cvlacOrtiz Viviescas, Juan David [0001636638]*
dc.subject.lembIngeniería mecatrónicaspa
dc.subject.lembRespiración artificialspa
dc.subject.lembServicio de terapia respiratoriaspa
dc.subject.lembHospitalesspa
dc.subject.lembInvestigacionesspa
dc.subject.lembAnálisisspa
dc.description.abstractenglishOne of the challenges in intensive care is the weaning process from mechanical ventilation. This paper presents an application of Artificial Intelligence (AI) techniques in the field of computer analysis of Biomedical signals and aids in diagnosis. Neural Networks (NR) have been applied in order to develop a classifier for the analysis of patients undergoing extubation after being connected to Mechanical Ventilation (MV). Genetic Algorithms (AG) and Forward Selection (FS) are implemented as characteristics selection techniques, to obtain relevant variables, explanatory of the cardiorespiratory system. 66 patients assisted by mechanical ventilation were studied: Group 1 (33 patients with successful extubation) and Group 2 (33 patients who failed in the extubation process). When selecting the most significant characteristics, and evaluating the different classifiers obtained, the best one presented a classification percentage of 79% considering only 4 of the 21 characteristics.eng
dc.subject.proposalVentilación mecánicaspa
dc.subject.proposalPatrón respiratoriospa
dc.subject.proposalMétodosspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.contributor.researchgroupGrupo de Investigación Control y Mecatrónica - GICYMspa
dc.contributor.researchgroupGrupo de Investigaciones Clínicasspa
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.description.learningmodalityModalidad Presencialspa


Files in this item

Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 2.5 Colombia
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 2.5 Colombia