Detección del pico de la onda R en señales ECG mediante redes neuronales.
DOI:
https://doi.org/10.29057/icbi.v13iEspecial2.14711Palabras clave:
Señales, ECG, Ondas, Complejos, RedesResumen
En este trabajo se desarrolla un algoritmo para el procesamiento de señales electrocardiográficas (ECG) para la detección de ondas específicas de estas señales mediante Redes Neuronales. Estas señales que presentan características distintivas como intervalos temporales, amplitudes y morfologías están definidos en las ondas P, Q, R, S. El estudio se enfoca a la detección del pico de la onda R del complejo QRS usualmente empleado para la determinación de la frecuencia cardiaca. La red neuronal se entrena con una señal ideal que ha sido generada por un sistema electrónico conformado por un dispositivo DAC (digital to analog converter), aplicando en el proceso capas intermedias para ajustar los pesos sinápticos mediante el método de retropropagación (backpropagation), corrigiendo así los errores de aprendizaje, posteriormente, se prueba la red para verificar su capacidad de reconocer la presencia del pico de la onda R en señales alteradas morfológicamente, este tipo de investigaciones permiten identificar características relacionadas con las arritmias cardiacas y otras afecciones en señales del corazón.Descargas
Información de Publicación
Perfiles de revisores N/D
Declaraciones del autor
Indexado en
- Sociedad académica
- N/D
Citas
Demuth, M. H. (1996). Neural network design. eBook, Universidad de Kansas
Estragó, V. e. (2024). Revista Uruguaya de Cardiologia. Sociedad Uruguaya de Cardiologia, 60.
Gélvez, N., Díaz, K., Montenegro, C., & Gaona, P. (2022). Estructuración bibliográfica acerca de multiview learning para clasificación. Vinculos ciencia tecnologia y sociedad, 46.
Gonzalez, J., Velandia, C., & Nieto, J. (2016, Enero 01). Algoritmos para realce de la onda R del electrocardiograma, capitulo 7, 148-171.
DOI:10.15332/dt.inv.2016.00466
Jiménez, M. (2012, 10 23). Aplicación de redes neuronales artificiales en el procesado versátil. (Tesis) Universitat Politecnica de Valencia.
Lama, A. (2003, 11 17). Einthoven: el hombre y su invento. Scielo, v.132, n.2.260-264. DOI: 10.4067/S0034-98872004000200018
M. J. López, A. C. (2010). Computer simulation and method for hearth rhythm control based on ECG signal reference tracking. WSEAS transactions on systems, 272.
Mariel, A. (2014). Un electrocardioframa de bajo coste (Tesis). Vasco: Universidad del pais vasco.
Melendez, R. P. (2000). El modelo neuronal de Mcculloch y Pitts interpretación comparativa.XV congreso nacional de instrumentación, Guadalajara.
Montaño, J. (2002, 9 13). Redes neuronales artificiales aplicadas al analisis de datos (Tesis). Universitat de les illes balears
N. Garcia, A. (2014). Uso de la transformada Wavelet para detección de complejo QRS. Universidad Nacional del Sur, 84.
Olivera. (2014). Desarrollo de un método de detección de arritmias para un dispositivo móvil con sistema de alerta. UNAM.
Serrano, S. J. (2018, 7). Clasificación automática de registros ECG para la detección de fibrilacion auricular y otros ritmos cardiacos (Tesis). Universidad politecnica de Valencia.
Tanco, F. (2021, 02). Redes Neuronales Artificiales. Universidad tecnológica nacional. Extraido de https://www.frba.utn.edu.ar/wp-content/uploads/2021/02/RNA.pdf
Tejada, J. (2002). Los modelos conexionistas y sus potencialidades en el análisis de datos.Revista academica avances en medición. Vol.2. 11-20.
Tomkins, J. P. (1985). A real time QRS detection algorithm. IEEE, 7. 230-236.DOI: 110.1109/TBME.1985.325532
Willys, J. (2014). Análisis de señales electroencefalográficas por medio de la transformada (Tesis). Universidad Autónoma de Baja California. URI:20.500.12930/5097
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 , Luis Angel Ramírez-Cruz, Mijamin Jahaziel Arzeta-Tellez, Juan Carlos Cruz López

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.










