Detección del pico de la onda R en señales ECG mediante redes neuronales.

Autores/as

DOI:

https://doi.org/10.29057/icbi.v13iEspecial2.14711

Palabras clave:

Señales, ECG, Ondas, Complejos, Redes

Resumen

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

Los datos de descargas todavía no están disponibles.

Información de Publicación

Metric
Este artículo
Otros artículos
Revisores por pares 
2.4 promedio

Perfiles de revisores  N/D

Declaraciones del autor

Declaraciones del autor
Este artículo
Otros artículos
Disponibilidad de datos 
N/A
16%
Financiamiento externo 
No
32% con financiadores
Intereses conflictivos 
N/D
11%
Metric
Para esta revista
Otras revistas
Artículos aceptados 
87%
33%
Días hasta la publicación 
181
145

Indexado en

Editor y comité editorial
perfiles
Sociedad académica 
N/D

Biografía del autor/a

Felipe Raymundo Serrano-Domínguez, Tecnológico Nacional de México

Maestría en Competencias docentes (Educación) Education Programa de Excelencia (Ciencia y tecnología) Ingeniería (Electrónica)  

Luis Angel Ramírez-Cruz, Tecnológico Nacional de México

Docente (Electrónica)

Juan Carlos Cruz López, Tecnológico Nacional de México

Ingeniero Electrónico

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

2025-09-15

Cómo citar

Serrano-Domínguez, F. R., Ramírez-Cruz, L. A., Arzeta-Tellez, M. J., & Cruz López, J. C. (2025). Detección del pico de la onda R en señales ECG mediante redes neuronales. Pädi Boletín Científico De Ciencias Básicas E Ingenierías Del ICBI, 13(Especial2), 107–114. https://doi.org/10.29057/icbi.v13iEspecial2.14711

Número

Sección

Artículos de investigación