Modelos de aprendizaje profundo para la detección automatizada de arritmias en señales de electrocardiograma: revisión sistemática

Descripción del Articulo

Esta revisión sistemática tiene como objetivo proporcionar una visión estructurada y completa del panorama de la investigación sobre la aplicación de modelos de aprendizaje profundo para la detección automatizada de arritmias en señales de electrocardiograma. Se realizó un análisis bibliométrico sig...

Descripción completa

Detalles Bibliográficos
Autores: Galvez Otoya, Percy Junior, Garcia Davila, Miguel Angel
Formato: tesis de grado
Fecha de Publicación:2026
Institución:Universidad Señor de Sipan
Repositorio:USS-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.uss.edu.pe:20.500.12802/17088
Enlace del recurso:https://hdl.handle.net/20.500.12802/17088
Nivel de acceso:acceso abierto
Materia:Aprendizaje profundo
Detección de arritmias
Electrocardiograma
Revisión sistemática
Inteligencia artificial
https://purl.org/pe-repo/ocde/ford#2.02.04
id USSS_e32511ff1ac141b8f18941b356509959
oai_identifier_str oai:repositorio.uss.edu.pe:20.500.12802/17088
network_acronym_str USSS
network_name_str USS-Institucional
repository_id_str 4829
dc.title.es_PE.fl_str_mv Modelos de aprendizaje profundo para la detección automatizada de arritmias en señales de electrocardiograma: revisión sistemática
title Modelos de aprendizaje profundo para la detección automatizada de arritmias en señales de electrocardiograma: revisión sistemática
spellingShingle Modelos de aprendizaje profundo para la detección automatizada de arritmias en señales de electrocardiograma: revisión sistemática
Galvez Otoya, Percy Junior
Aprendizaje profundo
Detección de arritmias
Electrocardiograma
Revisión sistemática
Inteligencia artificial
https://purl.org/pe-repo/ocde/ford#2.02.04
title_short Modelos de aprendizaje profundo para la detección automatizada de arritmias en señales de electrocardiograma: revisión sistemática
title_full Modelos de aprendizaje profundo para la detección automatizada de arritmias en señales de electrocardiograma: revisión sistemática
title_fullStr Modelos de aprendizaje profundo para la detección automatizada de arritmias en señales de electrocardiograma: revisión sistemática
title_full_unstemmed Modelos de aprendizaje profundo para la detección automatizada de arritmias en señales de electrocardiograma: revisión sistemática
title_sort Modelos de aprendizaje profundo para la detección automatizada de arritmias en señales de electrocardiograma: revisión sistemática
author Galvez Otoya, Percy Junior
author_facet Galvez Otoya, Percy Junior
Garcia Davila, Miguel Angel
author_role author
author2 Garcia Davila, Miguel Angel
author2_role author
dc.contributor.advisor.fl_str_mv Bravo Ruiz, Jaime Arturo
dc.contributor.author.fl_str_mv Galvez Otoya, Percy Junior
Garcia Davila, Miguel Angel
dc.subject.es_PE.fl_str_mv Aprendizaje profundo
Detección de arritmias
Electrocardiograma
Revisión sistemática
Inteligencia artificial
topic Aprendizaje profundo
Detección de arritmias
Electrocardiograma
Revisión sistemática
Inteligencia artificial
https://purl.org/pe-repo/ocde/ford#2.02.04
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.02.04
description Esta revisión sistemática tiene como objetivo proporcionar una visión estructurada y completa del panorama de la investigación sobre la aplicación de modelos de aprendizaje profundo para la detección automatizada de arritmias en señales de electrocardiograma. Se realizó un análisis bibliométrico siguiendo las dire ctrices PRISMA-2020, utilizando las bases de datos Scopus y Web of Science. Los hallazgos indican un notable crecimiento en el número de publicaciones, con un interés pico observado en 2021 y 2022. Se evidencia la predominancia de arquitecturas de Redes Neuronales Convolucionales (CNNs) y modelos híbridos (CNN LSTM), los cuales logran consistentemente altos niveles de precisión (>97%) en la clasificación de arritmias. Geográficamente, China e India lideran la producción científica, y la revista IEEE Access se destaca como la principal fuente de publicaciones de alto impacto. La evolución temática del campo muestra una transición desde la extracción de características hacia capacidades avanzadas de reconocimiento y predicción. A pesar de estos avances, persisten desafíos significativos relacionados con la generalización clínica, la interpretabilidad de los modelos y la eficiencia computacional. Se concluye que la investigación futura debe priorizar el desarrollo de soluciones más robustas, transparentes y eficientes para facilitar su adopción en la práctica clínica.
publishDate 2026
dc.date.accessioned.none.fl_str_mv 2026-02-13T20:29:49Z
dc.date.available.none.fl_str_mv 2026-02-13T20:29:49Z
dc.date.issued.fl_str_mv 2026
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/20.500.12802/17088
url https://hdl.handle.net/20.500.12802/17088
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.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/pe/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/2.5/pe/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Señor de Sipán
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Repositorio Institucional - USS
Repositorio Institucional USS
dc.source.none.fl_str_mv reponame:USS-Institucional
instname:Universidad Señor de Sipan
instacron:USS
instname_str Universidad Señor de Sipan
instacron_str USS
institution USS
reponame_str USS-Institucional
collection USS-Institucional
bitstream.url.fl_str_mv https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/1/Galvez%20Otoya%2c%20Percy%20%26%20Garcia%20Davila%2c%20Miguel.pdf
https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/2/Autorizaci%c3%b3n%20del%20autor.pdf
https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/3/Informe%20de%20similitud.pdf
https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/4/license_rdf
https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/5/license.txt
https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/6/Galvez%20Otoya%2c%20Percy%20%26%20Garcia%20Davila%2c%20Miguel.pdf.txt
https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/8/Autorizaci%c3%b3n%20del%20autor.pdf.txt
https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/10/Informe%20de%20similitud.pdf.txt
https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/7/Galvez%20Otoya%2c%20Percy%20%26%20Garcia%20Davila%2c%20Miguel.pdf.jpg
https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/9/Autorizaci%c3%b3n%20del%20autor.pdf.jpg
https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/11/Informe%20de%20similitud.pdf.jpg
bitstream.checksum.fl_str_mv 06ef4c29681cba661bf72cebf8761c8a
a70a1fd31fc7feafa86767fb8d226a81
fbeda75fc216af6a89296ccb25fc9dbb
3655808e5dd46167956d6870b0f43800
8a4605be74aa9ea9d79846c1fba20a33
0f333e382b2f041c8029fe0153a3bf11
e53a1d114f6c83ad4c9bc76d630ce90d
6684708daa89e1571c2fa7ecb5717001
83d71778f3cc8c1d370d307c1018e978
341fb2dc2a1abd1e0c5c8e9beaed27cb
ba05850a26929039701b3d73ab609114
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional de la Universidad Señor de Sipán
repository.mail.fl_str_mv repositorio@uss.edu.pe
_version_ 1857933436475408384
spelling Bravo Ruiz, Jaime ArturoGalvez Otoya, Percy JuniorGarcia Davila, Miguel Angel2026-02-13T20:29:49Z2026-02-13T20:29:49Z2026https://hdl.handle.net/20.500.12802/17088Esta revisión sistemática tiene como objetivo proporcionar una visión estructurada y completa del panorama de la investigación sobre la aplicación de modelos de aprendizaje profundo para la detección automatizada de arritmias en señales de electrocardiograma. Se realizó un análisis bibliométrico siguiendo las dire ctrices PRISMA-2020, utilizando las bases de datos Scopus y Web of Science. Los hallazgos indican un notable crecimiento en el número de publicaciones, con un interés pico observado en 2021 y 2022. Se evidencia la predominancia de arquitecturas de Redes Neuronales Convolucionales (CNNs) y modelos híbridos (CNN LSTM), los cuales logran consistentemente altos niveles de precisión (>97%) en la clasificación de arritmias. Geográficamente, China e India lideran la producción científica, y la revista IEEE Access se destaca como la principal fuente de publicaciones de alto impacto. La evolución temática del campo muestra una transición desde la extracción de características hacia capacidades avanzadas de reconocimiento y predicción. A pesar de estos avances, persisten desafíos significativos relacionados con la generalización clínica, la interpretabilidad de los modelos y la eficiencia computacional. Se concluye que la investigación futura debe priorizar el desarrollo de soluciones más robustas, transparentes y eficientes para facilitar su adopción en la práctica clínica.TesisTecnología e innovación en el desarrollo de la construcción y la industria en un contexto de sostenibilidadNuevas tendencias digitales orientadas al análisis y uso estratégico de la información.application/pdfspaUniversidad Señor de SipánPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/Repositorio Institucional - USSRepositorio Institucional USSreponame:USS-Institucionalinstname:Universidad Señor de Sipaninstacron:USSAprendizaje profundoDetección de arritmiasElectrocardiogramaRevisión sistemáticaInteligencia artificialhttps://purl.org/pe-repo/ocde/ford#2.02.04Modelos de aprendizaje profundo para la detección automatizada de arritmias en señales de electrocardiograma: revisión sistemáticainfo:eu-repo/semantics/bachelorThesisSUNEDUUniversidad Señor de Sipán. Facultad de Ingeniería, Arquitectura y UrbanismoBachiller en Ingeniería de SistemasIngeniería de Sistemas17610253https://orcid.org/0000-0003-1929-39697300950972841796612076https://purl.org/pe-repo/renati/level#bachillerhttps://purl.org/pe-repo/renati/type#trabajoDeInvestigacionORIGINALGalvez Otoya, Percy & Garcia Davila, Miguel.pdfGalvez Otoya, Percy & Garcia Davila, Miguel.pdfapplication/pdf1603302https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/1/Galvez%20Otoya%2c%20Percy%20%26%20Garcia%20Davila%2c%20Miguel.pdf06ef4c29681cba661bf72cebf8761c8aMD51Autorización del autor.pdfAutorización del autor.pdfapplication/pdf139794https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/2/Autorizaci%c3%b3n%20del%20autor.pdfa70a1fd31fc7feafa86767fb8d226a81MD52Informe de similitud.pdfInforme de similitud.pdfapplication/pdf2356180https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/3/Informe%20de%20similitud.pdffbeda75fc216af6a89296ccb25fc9dbbMD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/4/license_rdf3655808e5dd46167956d6870b0f43800MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/5/license.txt8a4605be74aa9ea9d79846c1fba20a33MD55TEXTGalvez Otoya, Percy & Garcia Davila, Miguel.pdf.txtGalvez Otoya, Percy & Garcia Davila, Miguel.pdf.txtExtracted texttext/plain160724https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/6/Galvez%20Otoya%2c%20Percy%20%26%20Garcia%20Davila%2c%20Miguel.pdf.txt0f333e382b2f041c8029fe0153a3bf11MD56Autorización del autor.pdf.txtAutorización del autor.pdf.txtExtracted texttext/plain2307https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/8/Autorizaci%c3%b3n%20del%20autor.pdf.txte53a1d114f6c83ad4c9bc76d630ce90dMD58Informe de similitud.pdf.txtInforme de similitud.pdf.txtExtracted texttext/plain124715https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/10/Informe%20de%20similitud.pdf.txt6684708daa89e1571c2fa7ecb5717001MD510THUMBNAILGalvez Otoya, Percy & Garcia Davila, Miguel.pdf.jpgGalvez Otoya, Percy & Garcia Davila, Miguel.pdf.jpgGenerated Thumbnailimage/jpeg9372https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/7/Galvez%20Otoya%2c%20Percy%20%26%20Garcia%20Davila%2c%20Miguel.pdf.jpg83d71778f3cc8c1d370d307c1018e978MD57Autorización del autor.pdf.jpgAutorización del autor.pdf.jpgGenerated Thumbnailimage/jpeg10147https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/9/Autorizaci%c3%b3n%20del%20autor.pdf.jpg341fb2dc2a1abd1e0c5c8e9beaed27cbMD59Informe de similitud.pdf.jpgInforme de similitud.pdf.jpgGenerated Thumbnailimage/jpeg6375https://repositorio.uss.edu.pe/bitstream/20.500.12802/17088/11/Informe%20de%20similitud.pdf.jpgba05850a26929039701b3d73ab609114MD51120.500.12802/17088oai:repositorio.uss.edu.pe:20.500.12802/170882026-02-14 03:06:22.856Repositorio Institucional de la Universidad Señor de Sipánrepositorio@uss.edu.peTk9URTogUExBQ0UgWU9VUiBPV04gTElDRU5TRSBIRVJFClRoaXMgc2FtcGxlIGxpY2Vuc2UgaXMgcHJvdmlkZWQgZm9yIGluZm9ybWF0aW9uYWwgcHVycG9zZXMgb25seS4KCk5PTi1FWENMVVNJVkUgRElTVFJJQlVUSU9OIExJQ0VOU0UKCkJ5IHNpZ25pbmcgYW5kIHN1Ym1pdHRpbmcgdGhpcyBsaWNlbnNlLCB5b3UgKHRoZSBhdXRob3Iocykgb3IgY29weXJpZ2h0Cm93bmVyKSBncmFudHMgdG8gRFNwYWNlIFVuaXZlcnNpdHkgKERTVSkgdGhlIG5vbi1leGNsdXNpdmUgcmlnaHQgdG8gcmVwcm9kdWNlLAp0cmFuc2xhdGUgKGFzIGRlZmluZWQgYmVsb3cpLCBhbmQvb3IgZGlzdHJpYnV0ZSB5b3VyIHN1Ym1pc3Npb24gKGluY2x1ZGluZwp0aGUgYWJzdHJhY3QpIHdvcmxkd2lkZSBpbiBwcmludCBhbmQgZWxlY3Ryb25pYyBmb3JtYXQgYW5kIGluIGFueSBtZWRpdW0sCmluY2x1ZGluZyBidXQgbm90IGxpbWl0ZWQgdG8gYXVkaW8gb3IgdmlkZW8uCgpZb3UgYWdyZWUgdGhhdCBEU1UgbWF5LCB3aXRob3V0IGNoYW5naW5nIHRoZSBjb250ZW50LCB0cmFuc2xhdGUgdGhlCnN1Ym1pc3Npb24gdG8gYW55IG1lZGl1bSBvciBmb3JtYXQgZm9yIHRoZSBwdXJwb3NlIG9mIHByZXNlcnZhdGlvbi4KCllvdSBhbHNvIGFncmVlIHRoYXQgRFNVIG1heSBrZWVwIG1vcmUgdGhhbiBvbmUgY29weSBvZiB0aGlzIHN1Ym1pc3Npb24gZm9yCnB1cnBvc2VzIG9mIHNlY3VyaXR5LCBiYWNrLXVwIGFuZCBwcmVzZXJ2YXRpb24uCgpZb3UgcmVwcmVzZW50IHRoYXQgdGhlIHN1Ym1pc3Npb24gaXMgeW91ciBvcmlnaW5hbCB3b3JrLCBhbmQgdGhhdCB5b3UgaGF2ZQp0aGUgcmlnaHQgdG8gZ3JhbnQgdGhlIHJpZ2h0cyBjb250YWluZWQgaW4gdGhpcyBsaWNlbnNlLiBZb3UgYWxzbyByZXByZXNlbnQKdGhhdCB5b3VyIHN1Ym1pc3Npb24gZG9lcyBub3QsIHRvIHRoZSBiZXN0IG9mIHlvdXIga25vd2xlZGdlLCBpbmZyaW5nZSB1cG9uCmFueW9uZSdzIGNvcHlyaWdodC4KCklmIHRoZSBzdWJtaXNzaW9uIGNvbnRhaW5zIG1hdGVyaWFsIGZvciB3aGljaCB5b3UgZG8gbm90IGhvbGQgY29weXJpZ2h0LAp5b3UgcmVwcmVzZW50IHRoYXQgeW91IGhhdmUgb2J0YWluZWQgdGhlIHVucmVzdHJpY3RlZCBwZXJtaXNzaW9uIG9mIHRoZQpjb3B5cmlnaHQgb3duZXIgdG8gZ3JhbnQgRFNVIHRoZSByaWdodHMgcmVxdWlyZWQgYnkgdGhpcyBsaWNlbnNlLCBhbmQgdGhhdApzdWNoIHRoaXJkLXBhcnR5IG93bmVkIG1hdGVyaWFsIGlzIGNsZWFybHkgaWRlbnRpZmllZCBhbmQgYWNrbm93bGVkZ2VkCndpdGhpbiB0aGUgdGV4dCBvciBjb250ZW50IG9mIHRoZSBzdWJtaXNzaW9uLgoKSUYgVEhFIFNVQk1JU1NJT04gSVMgQkFTRUQgVVBPTiBXT1JLIFRIQVQgSEFTIEJFRU4gU1BPTlNPUkVEIE9SIFNVUFBPUlRFRApCWSBBTiBBR0VOQ1kgT1IgT1JHQU5JWkFUSU9OIE9USEVSIFRIQU4gRFNVLCBZT1UgUkVQUkVTRU5UIFRIQVQgWU9VIEhBVkUKRlVMRklMTEVEIEFOWSBSSUdIVCBPRiBSRVZJRVcgT1IgT1RIRVIgT0JMSUdBVElPTlMgUkVRVUlSRUQgQlkgU1VDSApDT05UUkFDVCBPUiBBR1JFRU1FTlQuCgpEU1Ugd2lsbCBjbGVhcmx5IGlkZW50aWZ5IHlvdXIgbmFtZShzKSBhcyB0aGUgYXV0aG9yKHMpIG9yIG93bmVyKHMpIG9mIHRoZQpzdWJtaXNzaW9uLCBhbmQgd2lsbCBub3QgbWFrZSBhbnkgYWx0ZXJhdGlvbiwgb3RoZXIgdGhhbiBhcyBhbGxvd2VkIGJ5IHRoaXMKbGljZW5zZSwgdG8geW91ciBzdWJtaXNzaW9uLgo=
score 13.408945
Modelos de aprendizaje profundo para la detección automatizada de arritmias en señales de electrocardiograma: revisión sistemática
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