Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/5126Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | GarcIa Aquino, Christian Jaime%1106142 | - |
| dc.creator | GarcIa Aquino, Christian Jaime%1106142 | - |
| dc.date.accessioned | 2023-02-02T18:17:49Z | - |
| dc.date.available | 2023-02-02T18:17:49Z | - |
| dc.date.issued | 2023-01-20 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/5126 | - |
| dc.description | En este trabajo se propone un método eficiente para la clasificación de la Fibrilación Auricular basado en características en el Dominio de Tiempo-Frecuencia y una Red Neuronal Híbrida Bidireccional. La Metodología de solución se divide en 3 módulos principales: Tranformación al dominio de Tiempo-Frecuencia, Extracción de características y redución de dimensionalidad y entrenamiento de la Red Neuronal Híbrida Bidireccional. El primer módulo se enfoca a la adquisición de los datos a usar, así como el proceso de transformación de las señales electrocardiográficas del dominio secuencial y caótico al dominio de Tiempo-Frecuencia a partir de la Transformada de Fourier de Tiempo Corto. El segundo módulo es referente a la extracción de carácterísticas como la frecuencia instantánea y la entropía espectral para reducir dimensionanalidad de los datos conservando el dominio de Tiempo-Frecuencia. En el tercer módulo, se detalla la formalización de la Red Neuronal Híbrida Bidireccional, la descripción puntual de cada capa constituyente de la red, así como el procesamiento interno de las características dentro de la misma. El método propuesto se evaluó con métricas derivadas de la matriz de confusión (Accuracy, Precision, Recall, F1 − Score) y otras consideradas de la literatura (CohenKappa y MCC). Para los experimentos se utilizó la base de datos Physionet CinC 2017, la cuál contiene señales electrocardiográficas con Fibrilación Auricular y señales con ritmos cardiácos normales. Los resultados cualitativos, muestran que el método propuesto resulta eficiente para la clasificación de la Fibrilación Auricular, teniendo un rendimiento mayor a 0.90 en las métricas de evaluación y una reducción del costo computacional comparado con características en crudo de mas del 90%. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | Tecnológico Nacional de México | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_MX |
| dc.subject | info:eu-repo/classification/cti/7 | es_MX |
| dc.title | Clasificación de la Fibrilación Auricular en Señales Electrocardiográficas Utilizando una Red Recurrente Profunda Entrenada con Momentos de Tiempo- Frecuencia | es_MX |
| dc.type | info:eu-repo/semantics/masterThesis | es_MX |
| dc.contributor.director | Mujica Vargas, Dante%229106 | - |
| dc.folio | 23-1387 | es_MX |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Centro Nacional de Investigación y Desarrollo Tecnológico | es_MX |
| Appears in Collections: | Tesis de Maestría en Computación | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| MC_Christian_Jaime_Garcia_Aquino_2023-original.pdf | Tesis | 17.1 MB | Adobe PDF | View/Open |
| MC_Christian_Jaime_Garcia_Aquino_2023_cesión.pdf Restricted Access | Cesión de Derechos | 392.25 kB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
