Deep Learning and Permutation Entropy in the Stratification of Patients with Chagas Disease

Descripción del Articulo

La enfermedad de Chagas se trata de una enfermedad potencialmente mortal que en las últimas décadas se estaba convirtiendo en un problema de salud pública debido al cambio en el patrón epidemiológico. Puede ser silenciosa y asintomática en la fase crónica, de ahí la necesidad del desarrollo de marca...

Descripción completa

Detalles Bibliográficos
Autor: Diaz Pareja, Luz Alexandra
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:20.500.12773/16965
Enlace del recurso:https://hdl.handle.net/20.500.12773/16965
Nivel de acceso:acceso abierto
Materia:Entropía de Permutación
Enfermedad de Chagas
Aprendizaje Profundo
Red Neuronal
https://purl.org/pe-repo/ocde/ford#1.02.02
id UNSA_9cb6090c19596b282b2938dadef8acad
oai_identifier_str oai:repositorio.unsa.edu.pe:20.500.12773/16965
network_acronym_str UNSA
network_name_str UNSA-Institucional
repository_id_str 4847
dc.title.none.fl_str_mv Deep Learning and Permutation Entropy in the Stratification of Patients with Chagas Disease
title Deep Learning and Permutation Entropy in the Stratification of Patients with Chagas Disease
spellingShingle Deep Learning and Permutation Entropy in the Stratification of Patients with Chagas Disease
Diaz Pareja, Luz Alexandra
Entropía de Permutación
Enfermedad de Chagas
Aprendizaje Profundo
Red Neuronal
https://purl.org/pe-repo/ocde/ford#1.02.02
title_short Deep Learning and Permutation Entropy in the Stratification of Patients with Chagas Disease
title_full Deep Learning and Permutation Entropy in the Stratification of Patients with Chagas Disease
title_fullStr Deep Learning and Permutation Entropy in the Stratification of Patients with Chagas Disease
title_full_unstemmed Deep Learning and Permutation Entropy in the Stratification of Patients with Chagas Disease
title_sort Deep Learning and Permutation Entropy in the Stratification of Patients with Chagas Disease
author Diaz Pareja, Luz Alexandra
author_facet Diaz Pareja, Luz Alexandra
author_role author
dc.contributor.advisor.fl_str_mv Vizcardo Cornejo, Miguel Angel
dc.contributor.author.fl_str_mv Diaz Pareja, Luz Alexandra
dc.subject.none.fl_str_mv Entropía de Permutación
Enfermedad de Chagas
Aprendizaje Profundo
Red Neuronal
topic Entropía de Permutación
Enfermedad de Chagas
Aprendizaje Profundo
Red Neuronal
https://purl.org/pe-repo/ocde/ford#1.02.02
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#1.02.02
description La enfermedad de Chagas se trata de una enfermedad potencialmente mortal que en las últimas décadas se estaba convirtiendo en un problema de salud pública debido al cambio en el patrón epidemiológico. Puede ser silenciosa y asintomática en la fase crónica, de ahí la necesidad del desarrollo de marcadores tempranos. Para lograr esto, proponemos una arquitectura de red neuronal profunda para clasificar 292 pacientes en tres grupos: el grupo Control con 83 voluntarios, el grupo CH1 con 102 pacientes con serología positiva y sin compromiso cardíaco y el grupo CH2 con 107 pacientes con serología positiva e insuficiencia cardiaca incipiente. Los datos utilizados provienen de ECG’s de 24 horas, los intervalos RR de cada sujeto se dividieron en 288 cuadros de 5 minutos cada uno. Luego se preprocesaron usando entropía de permutación obteniendo así el perfil circadiano de cada paciente. Y al aplicar PCA, cada paciente terminó representado por un vector de 144 entradas. Esto a su vez se utilizó para el entrenamiento de la arquitectura ANN propuesta. La clasificación expresó un 91 % de exactitud y una media del 92 % de precisión, consistiendo en un gran trabajo de clasificación validado por el AUC en cada curva ROC. Como estos resultados se obtuvieron con una cantidad limitada de datos, este estudio puede mejorarse con más muestras, convirtiendo este modelo en una herramienta de análisis de ECG para intentar realizar una evaluación y diagnóstico temprano de un compromiso cardíaco relacionado con la silenciosa fase crónica.
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2023-12-28T20:47:10Z
dc.date.available.none.fl_str_mv 2023-12-28T20:47:10Z
dc.date.issued.fl_str_mv 2023
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12773/16965
url https://hdl.handle.net/20.500.12773/16965
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.en_US.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.en_US.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.none.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Nacional de San Agustín de Arequipa
dc.publisher.country.none.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/fba415fb-6fc6-4247-9d27-0482e8913c13/download
https://repositorio.unsa.edu.pe/bitstreams/ccc417eb-642c-46c9-ac8b-9de5df801e4d/download
https://repositorio.unsa.edu.pe/bitstreams/fd2592cd-902a-4c99-8e12-9e64701a077a/download
https://repositorio.unsa.edu.pe/bitstreams/ef0c02f2-5027-49b3-b594-b4d063bcfdf8/download
https://repositorio.unsa.edu.pe/bitstreams/bfaae46d-0c8c-46d4-9686-7af3e710734f/download
bitstream.checksum.fl_str_mv fc8ddcfa197cd1daf9c40b9574673034
675fd78716477f344bd05b7d250e0a44
1e1ad6ef9d03f203659c707983dc8c61
8a4605be74aa9ea9d79846c1fba20a33
eaa4ac57f1dcfae112ab6dd5b8fb68c9
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional UNSA
repository.mail.fl_str_mv repositorio@unsa.edu.pe
_version_ 1849342732748718080
spelling Vizcardo Cornejo, Miguel AngelDiaz Pareja, Luz Alexandra2023-12-28T20:47:10Z2023-12-28T20:47:10Z2023La enfermedad de Chagas se trata de una enfermedad potencialmente mortal que en las últimas décadas se estaba convirtiendo en un problema de salud pública debido al cambio en el patrón epidemiológico. Puede ser silenciosa y asintomática en la fase crónica, de ahí la necesidad del desarrollo de marcadores tempranos. Para lograr esto, proponemos una arquitectura de red neuronal profunda para clasificar 292 pacientes en tres grupos: el grupo Control con 83 voluntarios, el grupo CH1 con 102 pacientes con serología positiva y sin compromiso cardíaco y el grupo CH2 con 107 pacientes con serología positiva e insuficiencia cardiaca incipiente. Los datos utilizados provienen de ECG’s de 24 horas, los intervalos RR de cada sujeto se dividieron en 288 cuadros de 5 minutos cada uno. Luego se preprocesaron usando entropía de permutación obteniendo así el perfil circadiano de cada paciente. Y al aplicar PCA, cada paciente terminó representado por un vector de 144 entradas. Esto a su vez se utilizó para el entrenamiento de la arquitectura ANN propuesta. La clasificación expresó un 91 % de exactitud y una media del 92 % de precisión, consistiendo en un gran trabajo de clasificación validado por el AUC en cada curva ROC. Como estos resultados se obtuvieron con una cantidad limitada de datos, este estudio puede mejorarse con más muestras, convirtiendo este modelo en una herramienta de análisis de ECG para intentar realizar una evaluación y diagnóstico temprano de un compromiso cardíaco relacionado con la silenciosa fase crónica.application/pdfhttps://hdl.handle.net/20.500.12773/16965spaUniversidad 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:UNSAEntropía de PermutaciónEnfermedad de ChagasAprendizaje ProfundoRed Neuronalhttps://purl.org/pe-repo/ocde/ford#1.02.02Deep Learning and Permutation Entropy in the Stratification of Patients with Chagas Diseaseinfo:eu-repo/semantics/bachelorThesisSUNEDU29273109https://orcid.org/0000-0001-9989-894673893689533056Luque Alvarez, Raul ErnestoVizcardo Cornejo, Miguel AngelCabana Hancco, Wilson Ricardohttp://purl.org/pe-repo/renati/level#tituloProfesionalhttp://purl.org/pe-repo/renati/type#tesisFísicaUniversidad Nacional de San Agustín de Arequipa.Facultad de Ciencias Naturales y FormalesLicenciada en FísicaORIGINALFSdipala.pdfFSdipala.pdfapplication/pdf645865https://repositorio.unsa.edu.pe/bitstreams/fba415fb-6fc6-4247-9d27-0482e8913c13/downloadfc8ddcfa197cd1daf9c40b9574673034MD51Reporte de Similitud.pdfReporte de Similitud.pdfapplication/pdf349190https://repositorio.unsa.edu.pe/bitstreams/ccc417eb-642c-46c9-ac8b-9de5df801e4d/download675fd78716477f344bd05b7d250e0a44MD52Autorización de Publicación Digital.pdfAutorización de Publicación Digital.pdfapplication/pdf1114290https://repositorio.unsa.edu.pe/bitstreams/fd2592cd-902a-4c99-8e12-9e64701a077a/download1e1ad6ef9d03f203659c707983dc8c61MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unsa.edu.pe/bitstreams/ef0c02f2-5027-49b3-b594-b4d063bcfdf8/download8a4605be74aa9ea9d79846c1fba20a33MD53THUMBNAILPDF.jpgimage/jpeg42566https://repositorio.unsa.edu.pe/bitstreams/bfaae46d-0c8c-46d4-9686-7af3e710734f/downloadeaa4ac57f1dcfae112ab6dd5b8fb68c9MD5520.500.12773/16965oai:repositorio.unsa.edu.pe:20.500.12773/169652024-01-16 11:04:25.611http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttps://repositorio.unsa.edu.peRepositorio Institucional UNSArepositorio@unsa.edu.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
score 13.381517
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).