Aplicación para la detección de arritmias basado en los Algoritmos de Pan Tompkins, Elgendi y Boonperm

Descripción del Articulo

Las arritmias son enfermedades cardiovasculares que evidencian problemas en la frecuencia cardíaca, las cuales si no son detectadas a tiempo puede desencadenar en eventos graves como la muerte súbita, pérdida del conocimiento, inestabilidad a la hora de caminar, etc. Para detectar arritmias cardiaca...

Descripción completa

Detalles Bibliográficos
Autor: Casas Quiroz, Luis Miguel
Formato: tesis de grado
Fecha de Publicación:2021
Institución:Universidad de Lima
Repositorio:ULIMA-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.ulima.edu.pe:20.500.12724/14094
Enlace del recurso:https://hdl.handle.net/20.500.12724/14094
Nivel de acceso:acceso abierto
Materia:Prospectiva
Algoritmos computacionales
Aplicaciones (Software)
Arrhythmia
Forecasting
Application software
Computer algorithms
Arritmia
https://purl.org/pe-repo/ocde/ford#2.02.04
Descripción
Sumario:Las arritmias son enfermedades cardiovasculares que evidencian problemas en la frecuencia cardíaca, las cuales si no son detectadas a tiempo puede desencadenar en eventos graves como la muerte súbita, pérdida del conocimiento, inestabilidad a la hora de caminar, etc. Para detectar arritmias cardiacas en forma temprana se suelen utilizar monitores de funciones vitales que son costosos, no son portables y cuyo software no es abierto. Ante este contexto se propone una aplicación para la detección de las arritmias: Bradicardia Sinusal, Taquicardia Ventricular, Fibrilación Auricular, Flutter Auricular y Aleteo Auricular, a partir de los algoritmos Pan y Tompkins, Elgendi y Boonperm cuyo código podría ser instalado en dispositivos móviles (Android y iOS) para que los monitores de funciones vitales no sean la única opción para poder detectar dichas arritmias. El algoritmo ensamblado ha sido probado con la base de datos de arritmias del MIT-BIH, primer conjunto de datos de prueba estándar disponible para el ámbito académico. Se analizaron los 48 registros de dicha base de datos y se obtuvo 37.23% de sensibilidad y 65.10% de predictividad en la detección de arritmias, sin embargo; a pesar de estos valores obtenidos; en la detección de los complejos QRS se obtuvo 99.02% sensibilidad y 99.12% predictividad, lo cual indica que el algoritmo híbrido es confiable solo para la detección de complejos QRS.
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).