Identificación y clasificación de Electrocardiogramas (EKG) utilizando algoritmos de inteligencia artificial basados en aprendizaje profundo

Mejía de la Cadena, Daniel Alejandro

DSpace Home
→
Unidades Académicas
→
Facultad de Ingeniería en Electricidad y Computación
→
Tesis de Maestría en Ingeniería Biomédica
→
View Item

dc.contributor.advisor	Yapur Auad, Miguel, Director
dc.contributor.author	Mejía de la Cadena, Daniel Alejandro
dc.creator	ESPOL.FIEC
dc.date.accessioned	2024-12-16T20:43:30Z
dc.date.available	2024-12-16T20:43:30Z
dc.date.issued	2024
dc.identifier.citation	Mejía de la Cadena, D. A. (2024). Identificación y clasificación de Electrocardiogramas (EKG) utilizando algoritmos de inteligencia artificial basados en aprendizaje profundo. [Trabajo de Titulación]. ESPOL.FIEC .
dc.identifier.uri	http://www.dspace.espol.edu.ec/handle/123456789/62716
dc.description	La propuesta del proyecto busca desarrollar un sistema de clasificación de arritmias utilizando algoritmos de inteligencia artificial y herramientas de aprendizaje profundo. Este sistema aprovechará una base de datos del Instituto Tecnológico de Massachusetts (MIT), que contiene grabaciones detalladas de electrocardiogramas (ECG). El objetivo es crear un sistema que identifique con alta precisión diferentes señales cardiacas y las clasifique en arritmias cardíacas (ARR), insuficiencia cardíaca congestiva (CHF) y ritmos sinusales normales (NSR). Esta herramienta de clasificación permitirá una detección temprana y confiable de enfermedades cardiovasculares, facilitando la identificación y tratamiento de condiciones cardíacas en pacientes. Además, el sistema permitirá a los médicos cardiólogos especializados ofrecer atención a personas en zonas rurales o de difícil acceso, donde los recursos médicos son limitados. Al mejorar la detección y diagnóstico de arritmias y otras anomalías cardíacas, se espera reducir la mortalidad asociada a ECV y mejorar la calidad de vida de los pacientes. Palabras clave: Enfermedades Cardiovasculares (ECV), arritmias cardíacas, inteligencia artificial, aprendizaje profundo, arritmias cardíacas (ARR), insuficiencia cardíaca congestiva (CHF), ritmos sinusales normales (NSR
dc.format	application/pdf
dc.format.extent	61 página
dc.language.iso	spa
dc.publisher	ESPOL.FIEC
dc.rights	openAccess
dc.subject	Enfermedades Cardiovasculares (ECV)
dc.subject	Arritmias cardíacas
dc.subject	Inteligencia artificial
dc.subject	Aprendizaje profundo
dc.subject	Insuficiencia cardíaca congestiva (CHF)
dc.subject	Ritmos sinusales normales (NSR)
dc.title	Identificación y clasificación de Electrocardiogramas (EKG) utilizando algoritmos de inteligencia artificial basados en aprendizaje profundo
dc.type	Magister en Ingeniería Biomédica
dc.identifier.codigoespol	T-114379
dc.description.city	Guayaquil
dc.description.degree	Escuela Superior Politécnica del Litoral
dc.identifier.codigoproyectointegrador	POSTG082
dc.description.abstractenglish	The project proposal aims to develop a system for classifying arrhythmias using artificial intelligence algorithms and deep learning tools. This system will leverage a database from the Massachusetts Institute of Technology (MIT), which contains detailed recordings of electrocardiograms (ECG). The goal is to create a system that accurately identifies and classifies different cardiac signals into categories such as arrhythmias (ARR), congestive heart failure (CHF), and normal sinus rhythms (NSR). This classification tool will enable early and reliable detection of cardiovascular diseases, facilitating the identification and treatment of cardiac conditions in patients. Additionally, the system will allow specialized cardiologists to provide care to individuals in rural or hard-to-reach areas where medical resources are limited. By improving the detection and diagnosis of arrhythmias and other cardiac anomalies, the project aims to reduce mortality associated with cardiovascular diseases (CVD) and enhance the quality of life for patients. Keywords: Cardiovascular Diseases (CVD), arrhythmias, artificial intelligence, deep learning, arrhythmias (ARR), congestive heart failure (CHF), normal sinus rhythms (NSR