Desarrollo de un sistema de IoT con machine learning para la detección temprana de crisis epilépticas
Esta investigación aborda la creación de un sistema basado en el Internet de las Cosas (IoT) y optimizado mediante técnicas de aprendizaje automático para la detección temprana de crisis epilépticas. Se desarrolló un algoritmo capaz de capturar señales biológicas a través de sensores portátiles y pr...
- Autores:
-
Peña Arismendi, Santiago Andrés
- Tipo de recurso:
- Fecha de publicación:
- 2024
- Institución:
- Universidad Distrital Francisco José de Caldas
- Repositorio:
- RIUD: repositorio U. Distrital
- Idioma:
- spa
- OAI Identifier:
- oai:repository.udistrital.edu.co:11349/42172
- Acceso en línea:
- http://hdl.handle.net/11349/42172
- Palabra clave:
- Detección temprana de crisis epilépticas
Internet de las Cosas (IoT)
Aprendizaje automático en salud
Sensores portátiles biomédicos
Redes neuronales en epilepsia
Monitoreo cardíaco predictivo
Maestría en Ciencias de la Información y las Comunicaciones -- Tesis y disertaciones académicas
Internet de las Cosas (IoT)
Aprendizaje automático en salud
Detección temprana de crisis epilépticas
Early detection of epileptic seizures
Internet of Things (IoT)
Machine learning in healthcare
Wearable biomedical sensors
Neural networks in epilepsy
Predictive cardiac monitoring
- Rights
- License
- Abierto (Texto Completo)
Summary: | Esta investigación aborda la creación de un sistema basado en el Internet de las Cosas (IoT) y optimizado mediante técnicas de aprendizaje automático para la detección temprana de crisis epilépticas. Se desarrolló un algoritmo capaz de capturar señales biológicas a través de sensores portátiles y procesarlas en una arquitectura IoT. Los datos obtenidos del Hospital de la Misericordia en Bogotá fueron usados para validar diversos modelos, destacándose un árbol de decisión y una red neuronal perceptrón multicapa, que lograron precisiones de 92.47% y 93.56%, respectivamente. En entornos clínicos reales, estos modelos lograron una precisión del 65%. La arquitectura propuesta permite enviar alertas preventivas en tiempo real, ofreciendo una herramienta potencialmente eficaz para mejorar la calidad de vida de personas con epilepsia. |
---|