Approximate entropy and densely connected neural network in the early diagnostic of patients with chagas disease

Descripción del Articulo

Se estima que en el mundo hay entre 6 y 8 millones de personas infectadas con la enfermedad de Chagas, principalmente en áreas endémicas de 21 países de América Latina, y en los últimos años se está convirtiendo lentamente en un problema de salud en más áreas urbanas y países. En ese sentido, desarr...

Descripción completa

Detalles Bibliográficos
Autor: Rodriguez Pilco, Maria Fernanda
Formato: tesis de grado
Fecha de Publicación:2023
Institución:Universidad Nacional de San Agustín
Repositorio:UNSA-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.unsa.edu.pe:20.500.12773/17243
Enlace del recurso:https://hdl.handle.net/20.500.12773/17243
Nivel de acceso:acceso abierto
Materia:Enfermedad de Chagas
Entropía Aproximada
Red neuronal profunda
https://purl.org/pe-repo/ocde/ford#3.03.02
id UNSA_6ba3ac62bceeccf1af911a05e3e5827b
oai_identifier_str oai:repositorio.unsa.edu.pe:20.500.12773/17243
network_acronym_str UNSA
network_name_str UNSA-Institucional
repository_id_str 4847
spelling Vizcardo Cornejo, Miguel AngelRodriguez Pilco, Maria Fernanda2024-03-13T19:57:15Z2024-03-13T19:57:15Z2023Se estima que en el mundo hay entre 6 y 8 millones de personas infectadas con la enfermedad de Chagas, principalmente en áreas endémicas de 21 países de América Latina, y en los últimos años se está convirtiendo lentamente en un problema de salud en más áreas urbanas y países. En ese sentido, desarrollar métodos de diagnóstico es primordial. Es por ello que este trabajo utilizó una red neuronal profunda para clasificar 292 sujetos (voluntarios y pacientes) compuestos de 83 voluntarios sanos (Grupo Control); 102 pacientes chagásicos asintomáticos (Grupo CH1) y 107 pacientes chagásicos seropositivos con cardiopatía incipiente (Grupo CH2). La Entropía Aproximada ApEn fue calculada a partir de los tacogramas de los perfiles circadianos de 24 horas cada 5 minutos (288 marcos) de cada sujeto, y parte de estos datos fueron usados para entrenar la red. El trabajo de clasificación realizado por la red neuronal profunda tuvo un 98% de exactitud y un 98% de precisión, validado con la curva ROC, cuyos valores de AUC fueron aproximadamente la unidad para cada grupo. Teniendo en cuenta el buen desempeño, podemos considerar esta red neuronal profunda y la Entropía Aproximada como herramientas útiles para tener un buen diagnóstico temprano sobre la enfermedad de Chagas y su compromiso cardiaco.application/pdfhttps://hdl.handle.net/20.500.12773/17243spaUniversidad Nacional de San Agustín de ArequipaPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Universidad Nacional de San Agustín de ArequipaRepositorio Institucional - UNSAreponame:UNSA-Institucionalinstname:Universidad Nacional de San Agustíninstacron:UNSAEnfermedad de ChagasEntropía AproximadaRed neuronal profundahttps://purl.org/pe-repo/ocde/ford#3.03.02Approximate entropy and densely connected neural network in the early diagnostic of patients with chagas diseaseinfo:eu-repo/semantics/bachelorThesisSUNEDU29273109https://orcid.org/0000-0001-9989-894670320714533056Luque Alvarez, Raul ErnestoCabana Hancco, Wilson RicardoVizcardo Cornejo, Miguel Angelhttps://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#tesisFísicaUniversidad Nacional de San Agustín de Arequipa.Facultad de Ciencias Naturales y FormalesLicenciada en FísicaORIGINALFSropimf.pdfapplication/pdf584589https://repositorio.unsa.edu.pe/bitstreams/7057ec39-662d-4bed-bc80-c5b03eeb4c58/downloadf44d2149659e5d70087b4856ee3b7713MD51Reporte de Similitud.pdfapplication/pdf267209https://repositorio.unsa.edu.pe/bitstreams/a46445b7-59f7-469b-8d7d-c9c0b1f0e611/download40f2cbe3f38f719446d6beefe41b172bMD52Autorización de Publicación Digital.pdfapplication/pdf789597https://repositorio.unsa.edu.pe/bitstreams/b125ea16-d8ac-46a0-bd2f-f8f4a31ad7a5/downloadec3543f5bf048998a76ab8c132b902cdMD53THUMBNAILPDF.jpgimage/jpeg42566https://repositorio.unsa.edu.pe/bitstreams/a1430ae1-073b-430f-a8f1-954afa9fde32/downloadeaa4ac57f1dcfae112ab6dd5b8fb68c9MD5420.500.12773/17243oai:repositorio.unsa.edu.pe:20.500.12773/172432024-09-11 09:11:46.029http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttps://repositorio.unsa.edu.peRepositorio Institucional UNSArepositorio@unsa.edu.pe
dc.title.es_PE.fl_str_mv Approximate entropy and densely connected neural network in the early diagnostic of patients with chagas disease
title Approximate entropy and densely connected neural network in the early diagnostic of patients with chagas disease
spellingShingle Approximate entropy and densely connected neural network in the early diagnostic of patients with chagas disease
Rodriguez Pilco, Maria Fernanda
Enfermedad de Chagas
Entropía Aproximada
Red neuronal profunda
https://purl.org/pe-repo/ocde/ford#3.03.02
title_short Approximate entropy and densely connected neural network in the early diagnostic of patients with chagas disease
title_full Approximate entropy and densely connected neural network in the early diagnostic of patients with chagas disease
title_fullStr Approximate entropy and densely connected neural network in the early diagnostic of patients with chagas disease
title_full_unstemmed Approximate entropy and densely connected neural network in the early diagnostic of patients with chagas disease
title_sort Approximate entropy and densely connected neural network in the early diagnostic of patients with chagas disease
author Rodriguez Pilco, Maria Fernanda
author_facet Rodriguez Pilco, Maria Fernanda
author_role author
dc.contributor.advisor.fl_str_mv Vizcardo Cornejo, Miguel Angel
dc.contributor.author.fl_str_mv Rodriguez Pilco, Maria Fernanda
dc.subject.es_PE.fl_str_mv Enfermedad de Chagas
Entropía Aproximada
Red neuronal profunda
topic Enfermedad de Chagas
Entropía Aproximada
Red neuronal profunda
https://purl.org/pe-repo/ocde/ford#3.03.02
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#3.03.02
description Se estima que en el mundo hay entre 6 y 8 millones de personas infectadas con la enfermedad de Chagas, principalmente en áreas endémicas de 21 países de América Latina, y en los últimos años se está convirtiendo lentamente en un problema de salud en más áreas urbanas y países. En ese sentido, desarrollar métodos de diagnóstico es primordial. Es por ello que este trabajo utilizó una red neuronal profunda para clasificar 292 sujetos (voluntarios y pacientes) compuestos de 83 voluntarios sanos (Grupo Control); 102 pacientes chagásicos asintomáticos (Grupo CH1) y 107 pacientes chagásicos seropositivos con cardiopatía incipiente (Grupo CH2). La Entropía Aproximada ApEn fue calculada a partir de los tacogramas de los perfiles circadianos de 24 horas cada 5 minutos (288 marcos) de cada sujeto, y parte de estos datos fueron usados para entrenar la red. El trabajo de clasificación realizado por la red neuronal profunda tuvo un 98% de exactitud y un 98% de precisión, validado con la curva ROC, cuyos valores de AUC fueron aproximadamente la unidad para cada grupo. Teniendo en cuenta el buen desempeño, podemos considerar esta red neuronal profunda y la Entropía Aproximada como herramientas útiles para tener un buen diagnóstico temprano sobre la enfermedad de Chagas y su compromiso cardiaco.
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2024-03-13T19:57:15Z
dc.date.available.none.fl_str_mv 2024-03-13T19:57:15Z
dc.date.issued.fl_str_mv 2023
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12773/17243
url https://hdl.handle.net/20.500.12773/17243
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.es_PE.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Nacional de San Agustín de Arequipa
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Universidad Nacional de San Agustín de Arequipa
Repositorio Institucional - UNSA
dc.source.none.fl_str_mv reponame:UNSA-Institucional
instname:Universidad Nacional de San Agustín
instacron:UNSA
instname_str Universidad Nacional de San Agustín
instacron_str UNSA
institution UNSA
reponame_str UNSA-Institucional
collection UNSA-Institucional
bitstream.url.fl_str_mv https://repositorio.unsa.edu.pe/bitstreams/7057ec39-662d-4bed-bc80-c5b03eeb4c58/download
https://repositorio.unsa.edu.pe/bitstreams/a46445b7-59f7-469b-8d7d-c9c0b1f0e611/download
https://repositorio.unsa.edu.pe/bitstreams/b125ea16-d8ac-46a0-bd2f-f8f4a31ad7a5/download
https://repositorio.unsa.edu.pe/bitstreams/a1430ae1-073b-430f-a8f1-954afa9fde32/download
bitstream.checksum.fl_str_mv f44d2149659e5d70087b4856ee3b7713
40f2cbe3f38f719446d6beefe41b172b
ec3543f5bf048998a76ab8c132b902cd
eaa4ac57f1dcfae112ab6dd5b8fb68c9
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional UNSA
repository.mail.fl_str_mv repositorio@unsa.edu.pe
_version_ 1849343526588907520
score 13.382819
Approximate entropy and densely connected neural network in the early diagnostic of patients with chagas disease
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).

Ejemplares Similares