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 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.

• Autores: Peña Arismendi, Santiago Andrés
• 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
• License: Abierto (Texto Completo)