Buscar


Mostrar el registro sencillo del ítem

dc.rights.license http://creativecommons.org/licenses/by-nc-nd/4.0 es_ES
dc.contributor Juan Pablo Amézquita Sánchez es_ES
dc.creator Rogelio Piña Vega es_ES
dc.date 2019-10-01
dc.date.accessioned 2023-09-26T19:47:53Z
dc.date.available 2023-09-26T19:47:53Z
dc.date.issued 2019-10-01
dc.identifier.uri https://ri-ng.uaq.mx/handle/123456789/9330
dc.description Hoy en día las enfermedades cardiovasculares son las responsables de altos porcentajes de muerte alrededor del mundo. Recientes investigaciones muestran que millones de personas en todo el mundo mueren como resultado de una Muerte Súbita Cardiaca (MSC). Estas muertes pueden reducirse mediante el uso de equipos médicos como los desfibriladores si se detecta oportunamente esta afección. Por lo tanto, si el evento de MSC se puede predecir en la etapa más temprana posible, permitirá salvar las vidas de las personas ya que recibirán procedimientos médicos oportunos, para ello se necesita proponer formas adecuadas para ayudar a los médicos a predecir la muerte súbita cardiaca con un alto nivel de precisión. En este trabajo de tesis, se presenta una metodología para predecir la MSC de manera automática utilizando señales de ECG, dimensión fractal (DF) y lógica difusa (LD). Se investigan cuatro métodos de DF, dimensión fractal de Higuchi, dimensión de caja, dimensión fractal de Katz y dimensión fractal de Sevcik. La efectividad de la metodología propuesta para predecir un evento de MSC se evalúa utilizando bases de datos de ECG de 20 pacientes con MSC y 18 pacientes sanos. Los resultados experimentales muestran que la combinación de características puede predecir un evento de MSC con una precisión de 91.58% 60 minutos antes de la aparición de MSC. es_ES
dc.format Adobe PDF es_ES
dc.language.iso spa es_ES
dc.publisher Ingeniería es_ES
dc.relation.requires No es_ES
dc.rights Acceso Abierto es_ES
dc.subject Ingeniería y Tecnología es_ES
dc.subject Ciencias Médicas es_ES
dc.subject Ciencias Clínicas es_ES
dc.title Metodología basada en dimensión fractal y lógica difusa para la predicción de infartos empleando señales ECG es_ES
dc.type Tesis de licenciatura es_ES
dc.contributor.role Director es_ES
dc.degree.name Ingeniería en Biomédico Línea Terminal Bioseñales y Bioinstrumentación es_ES
dc.degree.department Facultad de Ingeniería es_ES
dc.degree.level Licenciatura es_ES


Ficheros en el ítem

Thumbnail
Nombre: IGLIN-249366.pdf
Tamaño: 5.649Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem