Mostrar el registro sencillo del ítem

Análisis de la interacción cardiorrespiratoria utilizando técnicas no lineales en procesamiento de datos en pacientes sometidos a la prueba de tubo en T

dc.contributor.advisorArizmendi Pereira, Carlos Juliospa
dc.contributor.authorTrapero Villarreal, José Ignaciospa
dc.date.accessioned2020-06-26T19:45:23Z
dc.date.available2020-06-26T19:45:23Z
dc.date.issued2015
dc.identifier.urihttp://hdl.handle.net/20.500.12749/1596
dc.description.abstractEl presenten proyecto se enmarca en desarrollar una aplicación para saber cuándo debe ser el momento óptimo de retiro de la ventilación mecánica ya que el mal momento de la desconexión ocasiona enfermedades hospitalarias(nosocomial [1]), debido a todos estos traumas el paciente produce estrés y la dificultad de comunicación, sentimiento de vulnerabilidad, impotencia, aislamiento, soledad, miedo. Minimizar estos estados de paciente suele ser muy complicado.spa
dc.description.tableofcontentsTABLA DE FIGURAS .............................................................................................. iii TABLAS .................................................................................................................. vi 1 AGRADECIMIENTOS ....................................................................................... 1 2. INTRODUCCIÓN .............................................................................................. 2 3 OBJETIVOS DEL PROYECTO ......................................................................... 3 3.1 Objetivos generales .................................................................................... 3 3.1. Objetivos específicos .................................................................................. 3 4 PLANTEAMIENTO DEL PROBLEMA Y JUSTIFICACIÓN ................................ 4 4.1 Planteamiento del problema .......................................................................... 4 4.2 Justificación ................................................................................................ 5 5 ANTECEDENTES ............................................................................................. 6 5.1 Estado de la Weandb ..................................................................................... 6 5.2 Proceso de adquisición ............................................................................... 6 6 ESTADO DEL ARTE ......................................................................................... 9 7 MARCO TEÓRICO .......................................................................................... 11 7.1 Técnicas de minería de datos ................................................................... 11 7.2 Transformada Wavelet.............................................................................. 11 7.3 Teorema del límite central ........................................................................ 13 7.4 Dinámica simbólica .................................................................................. 17 7.5 Redes neuronales ........................................................................................ 21 7.6 Analisis discriminate lineal ........................................................................... 24 7.7 Máquinas de soporte vectorial ..................................................................... 27 7.8 Reducción de la dimensionalidad ................................................................. 30 8 METODOLOGÍA PROPUESTA ....................................................................... 33 8.1 Fases de un proyecto de minería de datos .................................................. 33 8.5 Fases del proyecto ....................................................................................... 34 9 RESULTADO Y PRODUCTO .......................................................................... 36 10 PRESUPUESTO .......................................................................................... 37 11 DESARROLLO DEL PROYECTO ................................................................ 38 11.1 Visualización de los datos por cada clase ................................................ 38 11.2 Estudio estadístico ................................................................................... 42 11.3 Procesamiento de la señal (Transformada Wavelet) ............................. 49 11.4 Prueba TLC test de Levene y KS ......................................................... 54 11.5 Procesamiento de señal (Dinámica Simbólica) ......................................... 61 11.6 Clasificación de las series cardiorrespiratorias ......................................... 72 11.7 Reducción de la dimensionalidad ............................................................. 77 12. TABLA RESUMEN DE CLASIFICADORES ................................................. 97 13 CONCLUSIONES Y EXTENSIONES FUTURAS ..................................... 98 14 CRONOGRAMAS DE ACTIVIDADES ....................................................... 102 13 BIBLIOGRAFÍA .......................................................................................... 103 14 ANEXOS .................................................................................................... 106spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.titleAnálisis de la interacción cardiorrespiratoria utilizando técnicas no lineales en procesamiento de datos en pacientes sometidos a la prueba de tubo en Tspa
dc.title.translatedAnalysis of cardiorespiratory interaction using non-linear techniques in data processing in patients undergoing the T-tube testeng
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.keywordsInvestigationseng
dc.subject.keywordsAnalysiseng
dc.subject.keywordsCardiorespiratory signalseng
dc.subject.keywordsNeural networkseng
dc.subject.keywordsPulmonary ventilationeng
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.referencesTrapero Villarreal, José Ignacio (2015). Análisis de la interacción cardiorrespiratoria utilizando técnicas no lineales en procesamiento de datos en pacientes sometidos a la prueba de tubo en T.. Bucaramanga (Colombia) : Universidad Autónoma de Bucaramanga UNABspa
dc.relation.references[1]J. B. M. Macedo, «http://www.higiene.edu.uy/cefa/2008/infeccioneshospitalarias.pdf,» [En línea].spa
dc.relation.references[2]M. d. Salud, 6 1 2012. [En línea]. Available: http://www.minsalud.gov.co/Paginas/M%C3%A1s-de-cuatro-millones-de-casos-de-infecciones-respiratorias-agudas-se-reportaron-en-Colombia-en-2011.aspx.spa
dc.relation.references[3]M. d. Salud, 2010. [En línea]. Available: http://www.minsalud.gov.co/salud/Paginas/Infecciones-Respiratorias-Agudas-(IRA).aspxspa
dc.relation.references[4]G. Correa, junio 2008. [En línea]. Available: http://respira.com.mx/docs/f1274728078-0.pdf.spa
dc.relation.references[5]D. N. L. Alonso, 2 octubre 2002. [En línea]. Available: http://bvs.sld.cu/revistas/mie/vol1_1_02/mie02102.pdf.spa
dc.relation.references[6]UPC, 15 junio 2011. [En línea]. Available: http://upcommons.upc.edu/pfc/bitstream/2099.1/13052/1/Mem%C3%B2ria.pdfspa
dc.relation.references[7]C. J. Arizmendi Pereira, Técnicas de análisis del patrón repiratorio y cardiorrespiratorio para la extracción de índices en pacientes en proceso de extubación, Barcelona: Universidad Politécnica de Cataluña, 2007spa
dc.relation.references[8]B. G. Javier Alberto Chaparro, Análisis y clasificación del patrón respiratorio de pacientes en proceso de retirada del ventilador mecánico, vol. 5, Medellìn, 20011spa
dc.relation.references[9]G. Betancourt, Las Maquinas de Soporte Vectorial (SVM), Perira.spa
dc.relation.references[10]B. y. o. y. o. Giraldo, Support Vector Machine Classification applied on Weaning Trials Patients, 2009.spa
dc.relation.references[11]M. V. A. P. P. C. H. Brunel, Estudio de la complejidad de la variablilida del ritmo cardiaco en pacientes con cardispa
dc.relation.references[12]J. D. Ortiz V, J. C. Arizmendi P y H. Gonzales A, Analisis de la interacciòn entre el patròn respiratorio y la frecuencia cardiaca en pacientes asistidos mediante ventilaciòn mecànica para la estimaciòn del momento òptimo en la extubaciònspa
dc.relation.references[13]C. j. Arizmendi, J. Tamames y R. E. Hernandez, Diagnosis of Brain Tumours From Magnetic Rosonance Spectroscopy Using Wavelet and Neural Networks, 2010spa
dc.relation.references[14]N. Nieto y D. M. Orozco, «El uso de la transformada wavelet discreta en la reconstruccion de señales senosoidales,» nº 38, 2008.spa
dc.relation.references[15]J. S. Hadamard, Les surfaces à courbures opposées et leur lignes geodésiques, vol. 5e série, Paris: Journal de mathématiques pures et appliquées, 1898.spa
dc.relation.references[16]E. Cabezuelo, M. Vallverdú, P. Caminal, I. Cygankiewicz y A. Bayes de Luna, Dinámica Simbólica Aplicada al Análisis de la Variabilidad del Ritmo Cardiaco, Ciudad Real: XXV Jornadas de Automática, 2004.spa
dc.relation.references[17]A. Voss, he application of methods of non-linear dynamics for the improved and predictive recognition of patients threatened by sudden cardiac death, vol. 31, Berlin: Cardiovascular research Elsevier.spa
dc.relation.references[18]K. Amol, Symbolic Time-Series Analysis for Anomaly, vol. 11, 2006.spa
dc.relation.references[19]N. Wessel, U. Schwarz, P. I. Saparin y J. Kurths, «Symbolic Dynamics for Medica Data Analysis,» Dept. of Physics, Universitiy of Postdam, Postdam, 2009.spa
dc.relation.references[20]A. Voss, J. Kurths, H. J. Kleiner, A. Witt, N. Wessel, P. Saparin y K. J. Osterziel, The application of methods of non-linear dynamics for the improved and predictive recognition of patients threatened by sudden cardiac death”. , , vol. 31, no 3, p. 419-433., vol. 31, Berlín: Cardiovascular research, Elsevier, 1996.spa
dc.relation.references[21]J. Yazlle y C. Jadur, Dinámica Simbólica: Apuntes de Cátedra, Salta: Departamento de Matemática de la Universidad Nacional de Salta, 2006.spa
dc.relation.references[22]M. Gonzàlez Mendoza, Aprendizaje Estadístico, Redes Neuronales y Support Vector Machines: Un enfoque global, Monterry.spa
dc.relation.references[23]C. J. Arizmendi Pereira, Signal Processing Techniques For Brain Tumour Diagnosis From Magnetic Resonance Spectroscopy Data, Barcelona, Octubrespa
dc.relation.references[24]I. Acevedo Bautista, Algoritmo de Espacio Rango Para Programación Cuadrática, Mèxico, 2005.spa
dc.relation.references[25]J. Vargas y B. Conde, Máquinas De Soporte Vectorial Metodología Y Aplicación En R..spa
dc.relation.references[26]C. Lòpez y D. Gonzales , ''Mineria de datos tècnicas y herramientas'', España, 2007.spa
dc.relation.references[27]M. A. Efroymson, "Multiple regression analysis," Mathematical Methods for Digital Computers, New York, 1960spa
dc.relation.references[28]J. A. P. Franca, ANÁLISIS E INTERPRETACIÓN DE SEÑALES CARDIORRESPIRATORIAS PARA DETERMINAR EL MOMENTO ÓPTIMO DE DESCONEXIÓN DE UN PACIENTE ASISTIDO MEDIANTE VENTILACIÓNspa
dc.relation.references[29]V. M. B. F. G. A. T. E. L. LS Correa, Análisis multimodal de señales cardíacas y respiratorias para predecir el exito en la Desconexion de la Ventilacion Mecanicaspa
dc.contributor.cvlachttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001381550*
dc.contributor.googlescholarhttps://scholar.google.es/citations?hl=es#user=JgT_je0AAAAJ*
dc.contributor.scopushttps://www.scopus.com/authid/detail.uri?authorId=16174088500*
dc.contributor.researchgatehttps://www.researchgate.net/profile/Carlos_Arizmendi2*
dc.subject.lembIngeniería mecatrónicaspa
dc.subject.lembRespiración artificialspa
dc.subject.lembInvestigacionesspa
dc.subject.lembAnálisisspa
dc.description.abstractenglishThe present project is part of developing an application to know when the optimal moment to withdraw from mechanical ventilation should be since the bad moment of disconnection causes hospital illnesses (nosocomial [1]), due to all these traumas the patient produces stress and the difficulty of communication, feeling of vulnerability, helplessness, isolation, loneliness, fear. Minimizing these patient states is often very difficult.eng
dc.subject.proposalSeñales cardiorrespiratoriasspa
dc.subject.proposalRedes neuronalesspa
dc.subject.proposalVentilación pulmonar
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


Ficheros en el ítem

Thumbnail
Nombre:
2015_Tesis_Jose_Ignacio_Trapero.pdf
Tamaño:
4.792Mb
Formato:
PDF
Descripción:
Tesis
Ver/
Thumbnail
Nombre:
2015_Presentacion_Jose_Ignacio ...
Tamaño:
2.525Mb
Formato:
PDF
Descripción:
Presentación
Ver/

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

Mostrar el registro sencillo del ítem

Atribución-NoComercial-SinDerivadas 2.5 Colombia
Excepto si se señala otra cosa, la licencia del ítem se describe como Atribución-NoComercial-SinDerivadas 2.5 Colombia