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...
| Autor: | |
|---|---|
| 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).
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).