RT info:eu-repo/semantics/bachelorThesis
T1 Predicción de edad a partir de datos de ECG
A1 Martínez Fraile, Alberto
A2 Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de Telecomunicación
K1 Edad Cardíaca
K1 Aprendizaje Automático
K1 CNN
K1 Electrocardiograma
AB El electrocardiograma (ECG) es una herramienta esencial para el diagnóstico de enfermedadescardiovasculares. Es una opción recurrida por los profesionales sanitarios ya que es barata,rápida y eficaz. El aprendizaje automático es capaz de identificar patrones y características queno son detectadas en el análisis convencional.Por ello, en este Trabajo Fin de Grado se plantea la aplicación del aprendizaje automático, unatecnología que ha experimentado avances significativos en los últimos años. En este proyectoha sido usado el aprendizaje automático para estimar la edad cardiaca del paciente a través delelectrocardiograma que le ha sido realizado. Para lograr esta tarea se alimenta un modelo deaprendizaje automático con datos etiquetados provenientes de electrocardiogramas, a partir delos cuales es capaz de detectar patrones que asocia con la edad cardiaca. Conocer la edadestimada por el programa es útil para detectar la presencia de patologías cardiacas, ya que si laedad estimada es mucho mayor a la real se puede determinar que la persona presenta algúnproblema cardiaco y debe ser derivado a la consulta de un especialista para una evaluación endetalle.La discrepancia entre la edad estimada y la edad cronológica del paciente podría indicar lapresencia de patologías cardiacas, lo que justifica su uso como una herramienta complementariapara identificar pacientes que podrían beneficiarse de una evaluación clínica especializada.Es también posible aplicar el aprendizaje automático para detectar patologías concretas, aunqueeste no es el objetivo del proyecto.Para resolver esta tarea se han empleado dos redes de aprendizaje profundo con diferentesarquitecturas: una red convolucional 2D que emplea las imágenes de los espectrogramasresultantes de las señales extraídas de los ECG como entradas y otra red convolucional 1D queemplea las señales crudas, las procesa y las pasa al modelo para estimar la edad cardiaca. Elresultado de ambas redes es que la edad cronológica de un paciente se relaciona con la edadcardiaca predicha, por lo que ambos modelos sí son capaces de estimar la conocida como edadcardiaca. Al comparar ambas redes se concluye que el empleo de espectrogramas mejora lacapacidad del modelo para aprender a detectar la información que contienen las señales.Investigaciones previas han resuelto este mismo problema. No obstante, las redes diseñadas enesos estudios ofrecían peores resultados cuando se entrenaban con la base de datos empleadaen este mismo proyecto.
YR 2024
FD 2024
LK https://uvadoc.uva.es/handle/10324/79687
UL https://uvadoc.uva.es/handle/10324/79687
LA spa
NO Departamento de Teoría de la Señal y Comunicaciones e Ingeniería Telemática
DS UVaDOC
RD 14-nov-2025