Diseño y desarrollo de un sistema de ayuda al diagnóstico de enfermedades cardiovasculares a partir de electrocardiogramas: Aprendizaje profundo semisupervisado.

Martín Redondo, Pablo (2020). Diseño y desarrollo de un sistema de ayuda al diagnóstico de enfermedades cardiovasculares a partir de electrocardiogramas: Aprendizaje profundo semisupervisado.. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. Telecomunicación (UPM), Madrid, España.

Description

Title: Diseño y desarrollo de un sistema de ayuda al diagnóstico de enfermedades cardiovasculares a partir de electrocardiogramas: Aprendizaje profundo semisupervisado.
Author/s:
  • Martín Redondo, Pablo
Contributor/s:
  • García Sáez, Gema
Item Type: Final Project
Degree: Grado en Ingeniería de Tecnologías y Servicios de Telecomunicación
Date: 8 July 2020
Subjects:
Freetext Keywords: Aprendizaje profundo semi-supervisado, Ayuda, CNN, Diagnóstico, Docker, GAN, Ingeniería biomédica, LSTM, Modelos secuenciales, Redes generativas adversarias, Redes neuronales convolucionales, Tensorflow
Faculty: E.T.S.I. Telecomunicación (UPM)
Department: Tecnología Fotónica y Bioingeniería
Creative Commons Licenses: Recognition

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (4MB) | Preview

Abstract

Las enfermedades cardiovasculares son la principal causa de muerte a nivel mundial, provocando un 15\% de las defunciones totales (413,153 millones). El grupo de mayor riesgo es el de las personas de la tercera edad. Esto, junto con el hecho de que vivimos en una sociedad cada vez mas envejecida, son las motivaciones que llevan a ingenieros y médicos a trabajar en soluciones más eficientes en el diagnóstico para agilizar la detección y reducir el número de defunciones. La principal prueba de diagnóstico en enfermedades cardiovasculares es el electrocardiograma. Una vez realizado, un cardiólogo experimentado lo revisa a mano y emite un diagnóstico. Los recientes avances en aprendizaje automático, hacen de esta técnica una herramienta muy interesante para la ayuda al diagnóstico de enfermedades cardiovasculares. Así, en este Trabajo de Fin de Grado, se propone el diseño y desarrollo de un sistema de ayuda al diagnóstico a partir de aprendizaje profundo (también conocido como Deep Learning). De esta forma, el objetivo ha sido, a partir de un electrocardiograma, informar de la probabilidad de que un paciente padezca ninguna, una o varias enfermedades identificando entre nueve clases posibles: fibrilación auricular, bloqueo auriculoventricular de primer grado, bloqueo de rama izquierda, ritmo sinusal normal, complejo auricular prematuro, complejo ventricular prematuro, bloqueo de rama derecha, depresión del segmento ST y elevación del segmento ST. Para abordar este problema, se ha dividido el trabajo en tres fases. En primer lugar, se han procesado los datos de señales de electrocardiograma. Se ha filtrado la señal del electrocardiograma para eliminar ruido o interferencias. Además, algunas enfermedades son menos comunes que otras y los datos de los que se dispone no están balanceados. Por ello, se ha propuesto el aumento de datos a través de dos técnicas: Redes Generativas Adversarias y la generación de nuevas señales transformando las señales reales. En segundo lugar, se ha resuelto un problema de clasificación de series temporales. Para ello, se ha creado un modelo de diagnóstico automático basado en aprendizaje profundo con una arquitectura mixta: redes neuronales convolucionales (CNN) y redes neuronales recursivas (LSTM). Esto ha permitido que la red neuronal aprenda tanto de la forma como de la temporalidad de la señal. Además, se han tenido en cuenta parámetros demográficos del paciente: el sexo y la edad. Por último, se pretende que la herramienta de diagnóstico de enfermedades cardiovasculares pueda utilizarse en un entorno clínico. Para ello, se ha desarrollado un sistema con arquitectura orientada a servicios que permita ejecutar el modelo en un servidor y visualizar los resultados de la herramienta de diagnóstico en el navegador del personal médico.

More information

Item ID: 64582
DC Identifier: http://oa.upm.es/64582/
OAI Identifier: oai:oa.upm.es:64582
Deposited by: Pablo Martín Redondo
Deposited on: 14 Oct 2020 11:20
Last Modified: 14 Oct 2020 11:20
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM