Browsing by Subject "Signal processing"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Desarrollo de un aplicativo móvil para la identificación de arritmias cardíacas mediante procesamiento digital de señales ECG y aprendizaje automático
    (Pontificia Universidad Javariana Cali, 2025) Muñoz de la Torre, Jereminth; Otero Argel, Karolina María; Vargas Cardona, Hernán Darío
    Las enfermedades cardiovasculares (ECV) representan una preocupación global, siendo una de las principales causas de mortalidad según la Organización Mundial de la Salud (OMS). En Colombia, estas enfermedades ocupan un lugar importante en las estadísticas de mortalidad, destacándolas arritmias cardíacas como un factor crítico debido a su potencial para desencadenar muerte súbita cardíaca (MSC). El objetivo de esta propuesta es desarrollar un aplicativo móvil basado en procesamiento digital de señales ECG y aprendizaje automático para identificar arritmias cardíacas y alertar sobre la posibilidad de MSC en pacientes con antecedentes cardiovasculares o enfermedades crónicas. La metodología del estudio se estructura en varias etapas, incluyendo la selección de la base de datos ECG adecuada, el procesamiento de señales, la extracción de características, el entrenamiento de modelos de aprendizaje automático, la validación y evaluación de los modelos, la implementación del aplicativo móvil y la validación del mismo mediante simuladores de ECG. Los resultados obtenidos incluyen un modelo de aprendizaje automático con una precisión del 96 %, lo que demuestra su eficacia en la clasificación de arritmias cardíacas. Además, se logró integrar exitosamente el modelo en el aplicativo móvil denominado KIBO, el cual ofrece tres salidas principales: el ritmo cardíaco, la identificación de arritmias potencialmente peligrosas capaces de desencadenar muerte súbita cardíaca (MSC), y el vector de ECG asociado. Esto permite lograr el fin último de activar de manera oportuna una ruta de atención en emergencias, mejorando la respuesta ante posibles complicaciones relacionadas con MSC y contribuyendo a la prevención de eventos fatales.
  • Thumbnail Image
    Item
    Diseño de un sistema de monitoreo de variables indirectas de fatiga muscular durante la actividad física en deportistas de alto rendimiento
    (Pontificia Universidad Javeriana Cali, 2025) Nieto Ángel, Mariana; Ramírez Agredo, Isabela; Tobón Llano, Luis Eduardo
    La fatiga muscular es un desafío relevante en el ámbito deportivo, especialmente en deportistas de alto rendimiento, ya que afecta directamente la capacidad funcional y eleva el riesgo de lesiones. El monitoreo en tiempo real de esta condición todavía presenta limitaciones, debido a la falta de herramientas portátiles, accesibles y precisas que permitan detectarla de forma no invasiva durante la actividad física. El objetivo de esta propuesta es desarrollar un sistema de monitoreo portátil basado en tecnologías avanzadas de sensores para medir indicadores relacionados con la fatiga muscular durante el entrenamiento. Para su diseño, se utilizó una metodología que incluyó el análisis conceptual del sistema, la selección e integración de sensores fisiológicos, la implementación de un circuito de acondicionamiento de señal, el procesamiento digital a través de un microcontrolador y la visualización de datos mediante interfaces gráficas. Además, se verificó el funcionamiento del prototipo en condiciones controladas mediante pruebas de laboratorio, para finalmente validar su desempeño mediante pruebas piloto. El sistema desarrollado permite a los entrenadores identificar los momentos clave del entrenamiento en los cuales los deportistas se encuentran más propensos a padecer fatiga muscular con base en sus condiciones fisiológicas. Esta iniciativa representa un avance en la incorporación de tecnologías biomédicas al deporte, con impacto positivo en el rendimiento y la salud de los deportistas de alto rendimiento.
  • Thumbnail Image
    Item
    MyoAlert Vision: sistema inteligente de apoyo diagnóstico para la identificación automática del infarto agudo de miocardio con elevación del segmento ST mediante análisis electrocardiográfico
    (Pontificia Universidad Javeriana Cali, 2025) Daza Cerón, Julieth Alejandra; Obregón Londoño, William Felipe; Torres Valencia, Cristian Alejandro
    El infarto agudo de miocardio es una de las principales causas de mortalidad a nivel mundial, con aproximadamente 3 millones de casos al año, siendo su variante con elevación del segmento ST una de las presentaciones más críticas. En Colombia, esta condición figura entre las principales causas de defunción, lo que resalta la necesidad de herramientas que mejoren la detección temprana y la precisión diagnóstica en entornos clínicos. Con el objetivo de brindar soporte diagnóstico a los profesionales de la salud, este trabajo desarrolló MyoAlert Vision, una aplicación web capaz de identificar patrones asociados a la enfermedad en registros de ECG de 12 derivaciones y estimar la localización anatómica del infarto (anterior, inferior, lateral o septal). El sistema integra modelos de aprendizaje automático XGBoost y CNN-1D, alcanzando precisiones del 93 % y 91 % en la detección del evento isquémico, y emplea LightGBM para la identificación de la zona afectada, con una precisión del 86 %. Para esta última etapa, se incorporó un proceso previo que combinó un segundo modelo XGBoost con valores SHAP, con el fin de mejorar la interpretabilidad de los resultados y respaldar la asignación anatómica de las predicciones. En conjunto, estos resultados consolidan a MyoAlert Vision como un prototipo eficiente, que constituye un primer acercamiento al soporte diagnóstico asistido por inteligencia artificial en el infarto agudo de miocardio con elevación del segmento ST.