• español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Listar

    Todo UVaDOCComunidadesPor fecha de publicaciónAutoresMateriasTítulos

    Mi cuenta

    Acceder

    Estadísticas

    Ver Estadísticas de uso

    Compartir

    Ver ítem 
    •   UVaDOC Principal
    • TRABAJOS FIN DE ESTUDIOS
    • Trabajos Fin de Máster UVa
    • Ver ítem
    •   UVaDOC Principal
    • TRABAJOS FIN DE ESTUDIOS
    • Trabajos Fin de Máster UVa
    • Ver ítem
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano

    Exportar

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis

    Citas

    Por favor, use este identificador para citar o enlazar este ítem:http://uvadoc.uva.es/handle/10324/4461

    Título
    Extracción y clasificación de características del electrocardiograma y la variabilidad del ritmo cardiaco. Aplicación al síndrome de la apnea-hipopnea del sueño
    Autor
    Gómez Pilar, JavierAutoridad UVA Orcid
    Director o Tutor
    Hornero Sánchez, RobertoAutoridad UVA
    Editor
    Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de TelecomunicaciónAutoridad UVA
    Año del Documento
    2013
    Titulación
    Máster en Investigación en Tecnologías de la Información y las Comunicaciones
    Resumen
    El propósito de este TFM es evaluar la utilidad del análisi automático de la señal de variabilidad del ritmo cardiaco (HRV) procedente del electrocardiograma (ECG)como posible alternativa a la polisomnografía (PSG) para ayudar al diagnóstico del Síndrome de Apnea-Hipopnea del Sueño (SAHS). Para ello, se dispuso de 240 registros de ECG procedentes de sujetos sospechosos de padecer SAHS. Estos registros fueron procesados mediante técnicas de análisis espectral y no lineal para la extracción de características. Posteriormente, se realizó una selección de dichas características mediante regresión logística paso a paso para, finalmente, realizar una clasificación basada en máquinas de soporte vectorial (SVM). Los sujetos fueron divididos en dos grupos: entrenamiento (sobre los que se extrajeron una serie de umbrales óptimos de decisión diagnóstica) y test (con lo que se midió el rendimiento diagnóstico). Dicho rendimiento fue expresado en términos de sensibilidad, especificidad, precisión y área bajo la curva ROC (AROC).
    Materias (normalizadas)
    Electrocardiografía-Informática
    Departamento
    Teoría de la Señal y Comunicaciones e Ingenieria Telemática
    Idioma
    spa
    URI
    http://uvadoc.uva.es/handle/10324/4461
    Derechos
    openAccess
    Aparece en las colecciones
    • Trabajos Fin de Máster UVa [7034]
    Mostrar el registro completo del ítem
    Ficheros en el ítem
    Nombre:
    TFM-G265.pdf
    Tamaño:
    2.040Mb
    Formato:
    Adobe PDF
    Thumbnail
    Visualizar/Abrir
    Attribution-NonCommercial-NoDerivatives 4.0 InternationalLa licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 International

    Universidad de Valladolid

    Powered by MIT's. DSpace software, Version 5.10