RT info:eu-repo/semantics/bachelorThesis
T1 Detección automática de microdespertares en niños con apnea obstructiva del sueño mediante técnicas de deep learning
A1 Torre Díaz, Héctor Hugo de la
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid
K1 Apnea del sueño
K1 Apnea obstructiva del sueño
K1 AOS infantil
AB La apnea obstructiva del sueño (AOS) infantil es una enfermedad caracterizada por pausas respiratoriasy alteración del sueño que llega a afectar hasta el 5% de los niños y que tiene consecuenciasnegativas para su salud y desarrollo. A través de una polisomnografía noctura (PSG), se puedediagnosticar la AOS y medir su severidad. Sin embargo, la PSG es una prueba compleja, costosay cuya posterior interpretación por un especialista conlleva mucho tiempo. Por ello, se buscanalternativas más rápidas y sencillas que permitan automatizar la interpretación de la PSG.El objetivo de este Trabajo Fin de Grado (TFG) ha sido evaluar la utilidad de técnicas dedeep learning, en concreto redes neuronales convolucionales (CNN), aplicadas sobre la señal deun electroencefalograma (EEG) para la la detección automática de microdespertares (arousals)en niños con sospecha de AOS. Los arousals ayudan a analizar las fases de sueño de los niños ymedir el grado de severidad de la AOS. Sin embargo, los estudios previos que han abordado ladetección automática de arousals se han centrado únicamente en pacientes adultos, lo que, juntocon las diferencias de la AOS en la población adulta provoca que los modelos de clasificación nosean fácilmente generalizables.
YR 2023
FD 2023
LK https://uvadoc.uva.es/handle/10324/63009
UL https://uvadoc.uva.es/handle/10324/63009
LA spa
NO Departamento de Informática (Arquitectura y Tecnología de Computadores, Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos)
DS UVaDOC
RD 16-ago-2024