Sistemas de control para hipertensión y/o hipotensión como caso de estudio
La enfermedades de tensión arterial son patologías crónicas que afectan a millones de personas en todo el mundo. El manejo de la presión arterial es un desafío importante, ya que requiere un tratamiento personalizado que tenga en cuenta las características individuales de cada paciente. En este proy...
- Autores:
-
Gutierrez Navia, Maria Alejandra
Moreno Ramirez, Nicolas Andres
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2023
- Institución:
- Universidad Militar Nueva Granada
- Repositorio:
- Repositorio UMNG
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unimilitar.edu.co:10654/45854
- Acceso en línea:
- http://hdl.handle.net/10654/45854
- Palabra clave:
- INTELIGENCIA ARTIFICIAL
PRESION SANGUINEA
HIPERTENSION
control
modeling
artificial intelligence
biological systems
pathology
blood pressure
control
modelamiento
inteligencia artificial
sistemas biológicos
patologías
presión arterial
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/4.0/
| id |
UNIMILTAR2_7746707a02fb62ba967f31cee84a6973 |
|---|---|
| oai_identifier_str |
oai:repository.unimilitar.edu.co:10654/45854 |
| network_acronym_str |
UNIMILTAR2 |
| network_name_str |
Repositorio UMNG |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Sistemas de control para hipertensión y/o hipotensión como caso de estudio |
| dc.title.translated.spa.fl_str_mv |
Control systems for hypertension and/or hypotension as a case study |
| title |
Sistemas de control para hipertensión y/o hipotensión como caso de estudio |
| spellingShingle |
Sistemas de control para hipertensión y/o hipotensión como caso de estudio INTELIGENCIA ARTIFICIAL PRESION SANGUINEA HIPERTENSION control modeling artificial intelligence biological systems pathology blood pressure control modelamiento inteligencia artificial sistemas biológicos patologías presión arterial |
| title_short |
Sistemas de control para hipertensión y/o hipotensión como caso de estudio |
| title_full |
Sistemas de control para hipertensión y/o hipotensión como caso de estudio |
| title_fullStr |
Sistemas de control para hipertensión y/o hipotensión como caso de estudio |
| title_full_unstemmed |
Sistemas de control para hipertensión y/o hipotensión como caso de estudio |
| title_sort |
Sistemas de control para hipertensión y/o hipotensión como caso de estudio |
| dc.creator.fl_str_mv |
Gutierrez Navia, Maria Alejandra Moreno Ramirez, Nicolas Andres |
| dc.contributor.advisor.none.fl_str_mv |
Hernandez Beleño, Ruben Dario |
| dc.contributor.author.none.fl_str_mv |
Gutierrez Navia, Maria Alejandra Moreno Ramirez, Nicolas Andres |
| dc.subject.lemb.spa.fl_str_mv |
INTELIGENCIA ARTIFICIAL PRESION SANGUINEA HIPERTENSION |
| topic |
INTELIGENCIA ARTIFICIAL PRESION SANGUINEA HIPERTENSION control modeling artificial intelligence biological systems pathology blood pressure control modelamiento inteligencia artificial sistemas biológicos patologías presión arterial |
| dc.subject.keywords.spa.fl_str_mv |
control modeling artificial intelligence biological systems pathology blood pressure |
| dc.subject.proposal.spa.fl_str_mv |
control modelamiento inteligencia artificial sistemas biológicos patologías presión arterial |
| description |
La enfermedades de tensión arterial son patologías crónicas que afectan a millones de personas en todo el mundo. El manejo de la presión arterial es un desafío importante, ya que requiere un tratamiento personalizado que tenga en cuenta las características individuales de cada paciente. En este proyecto se propone un sistema de control para la regulación de la presión arterial basado en inteligencia artificial y ECG. El sistema utiliza una señal ECG como entrada para identificar el tipo de arritmia que presenta el paciente. Luego, utiliza un modelo de WindKessel para obtener la señal de presión arterial. Finalmente, utiliza un controlador PID ideal para generar las señales de control que regulan la presión arterial. El sistema se implementó en un simulador de paciente. Los resultados de las simulaciones mostraron que el sistema es capaz de regular la presión arterial de forma efectiva en pacientes con diferentes tipos de arritmia. Este proyecto tiene el potencial de mejorar el control de la presión arterial en pacientes con arritmia. El sistema es personalizado y adaptable, lo que lo hace adecuado para su uso en pacientes individuales |
| publishDate |
2023 |
| dc.date.issued.none.fl_str_mv |
2023-12-22 |
| dc.date.accessioned.none.fl_str_mv |
2024-02-22T17:53:21Z |
| dc.date.available.none.fl_str_mv |
2024-02-22T17:53:21Z |
| dc.type.local.spa.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Pregrado |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.coar.*.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10654/45854 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Militar Nueva Granada |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad Militar Nueva Granada |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.unimilitar.edu.co |
| url |
http://hdl.handle.net/10654/45854 |
| identifier_str_mv |
instname:Universidad Militar Nueva Granada reponame:Repositorio Institucional Universidad Militar Nueva Granada repourl:https://repository.unimilitar.edu.co |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Mayo Clinic. Presión Arterial Baja (hipotensión). (2022) En: https://www.mayoclinic.org/es-es/diseases-conditions/low-blood-pressure/symptoms-causes/syc-20355465 World Health Organization (WHO). Hypertension. En: https://www.who.int/health-topics/hypertension#tab=tab_1 German Guzmán Martell, Angel Lira Sánchez, Daniel Santilláan Martínezz SIMPA:Sistema de Medición de Presión Arterial y Frecuencia Cardiaca. INSTITUTO PO- LITÉCNICO NACIONAL ESCUELA SUPERIOR DE C ́OMPUTO ESCOM ( Diciembre 2015) En: https://tesis.ipn.mx/bitstream/handle/123456789/21965/SIMPA%20sistema%20de%20medicion%20de%20presion%20arterial%20y%20frecuencia%20cardiaca.pdf?sequence=7 J. Hauser, J. Parak, M. Lozek, and J. Havlik System analyze of the Windkessel models Department of Circuit Theory, Faculty of Electrical Engineering, Czech Technical University in Prague Technicka 2, 166 27, Prague, Czech Republic (2012) . En: http://bmeg.fel.cvut.cz/wp-content/uploads/2013/06/Hauser-SYSTEM_ANALYZE_OF_THE_WINDKESSEL_MODELS.pdf I. J. Nagrath and M. Gopal Control Systems Engineering, London: New Age Techno Press, An Imprint of New Age International (P) Limited. (2018) R. C. P. Kerckhoffs, S. N. Healy, T. P. Usyk, and A. D. McCulloch Computational methods for cardiac electromechanics. in Proceedings of the IEEE, vol. 94, no. 4, pp. 769-783, April 2006, doi: 10.1109/JPROC.2006.871772. En: https://ieeexplore.ieee.org/document/1618635 Y. M. Regino-Ruenes, M. A. Quintero-Velásquez, and J. F. Saldarriaga-Franco La hipertensión arterial no controlada y sus factores asociados en un programa de hipertensión. Rev Colomb Cardiol. 2021;28(6):648-655 (2022) En: https://doi.org/10.24875/rccar.m21000108 National Heart, Lung, and Blood Institute. Diagnóstico (Marzo 24,2022). En: https://www.nhlbi.nih.gov/es/salud/arritmias/diagnostico#:~:text=Un%20electrocardiograma%20(ECG)%20es%20la,y%20se%20contra%20con%20rapidez. My EKG, La Web del Electrocardiograma. Disfunción o Enfermedad del Nodo Sinusal. En: https://www.my-ekg.com/arritmias-cardiacas/bradiarritmias-nodo-sinusal.html Redacción APD. ¿Qué es Machine Learning y cómo funciona?. APD España (Julio 6, 2023) En: https://www.apd.es/que-es-machine-learning/ Raúl Arrabales. Deep Learning: qué es y por qué va a ser una tecnología clave en el futuro de la inteligencia artificial. Xataka (Octubre 28, 2016) En: https://www.xataka.com/robotica-e-ia/deep-learning-que-es-y-por-que-va-a-ser-una-tecnologia-clave-en-el-futuro-de-la-inteligencia-artificial MedlinePlus Presión arterial - Videos de Salud: Medlineplus Enciclopedia Médica. (Febrero 3, 2023) En: https://medlineplus.gov/spanish/ency/anatomyvideos/000013.htm Osmosis From EL Sevier Compliance of blood vessels. En: https://www.osmosis.org/learn/Compliance_of_blood_vessels J. C. Grignola and E. Domingo, Conceptos Básicos en Circulación Pulmonar. Revista Colombiana de Cardiología, vol. 24, pp. 3-10, DOI:10.1016/j.rccar.2017.08.003 (Septiembre 2017) En: https://www.elsevier.es/es-revista-revista-colombiana-cardiologia-203-articulo-conceptos-basicos\-circulacion-pulmonar-S0120563317301171#:~:text=En%20condiciones%20normales%2C%20la%20circulaci%C3%B3n,que%20el%20ventr%C3%ADculo%20derecho%20opere C. Ciancaglini Hidrodinamia de la Circulación Vascular Periférica normal Y patológica. vol.6, n.2 (May0, 2004) En: https://www.scielo.sa.cr/scielo.php?script=sci_arttext&pid=S140941422004000200006#:~:text=Resistencia%3A%20es%20la%20dificultad%20para,despu%C3%A9s)%3B%20una%20unidad%20de. [Accessed:26-Oct-2022]. E. Martinez, Controladores (Teoria de control). Share and Discover Knowledge on SlideShare (Julio 24,2013) En: https://es.slideshare.net/martinezeduardo/controladores-teoria-de-control-24587590#:~:text=El%20controlador%20o%20regulador%20constituye,se%20denomina%20acci%C3%B3n%20de%20control .[Accessed:26-Oct-2022]. Ricardo Julián Mantz Observadores de estados. Universidad Nacional de La Plata (2003). En: https://catedra.ing.unlp.edu.ar/electrotecnia/controlm/electronica/archivos/apuntes/observadores.pdf S. A. C. Giraldo, Lazo Abierto y lazo cerrado - [sistemas de control ]. Control Automático Educación (Junio 20,2021). En: https://controlautomaticoeducacion.com/control-realimentado/lazo-abierto-y-lazocerrado/ .[Accessed:26-Oct-2022] S. C Función de transferencia: Lo que nunca Te Enseñaron,. Control Automático Educación (Octubre 23,2022) En: https://controlautomaticoeducacion.com/analisis-de-sistemas/funcion-de-transferencia/ .[Accessed:26-Oct-2022]. L. Francis Obando, “Los Sistemas de control son Sistemas dinámicos.,” . dademuchconnection(Febrero 6, 2022)En: https://dademuch.com/2016/07/22/los-sistemas-de-control-son-sistemas-dinamicos/ .[Accessed:26-Oct-2022]. M. Fetanat, M. Stevens, C. Hayward, and N. H. Lovell, vol. 67, no. 4, pp. 1–9 (Julio, 2019) En: http://dx.doi.org/10.1109/TBME.2019.2932233 M. Fetanat, M. Stevens, C. Hayward, and N. H. Lovell A sensorless control system for an implantable heart pump using a real-time deep convolutional neural network. IEEE Transactions on Biomedical Engineering vol. 68, no. 10, pp. 1–10 (2021) En: https://ieeexplore.ieee.org/document/9361203 H. Silva, C. Leão, and E. Seabra. Multi-model adaptive predictive control system for automated regulation of mean blood pressure. International Journal of Online and Biomedical Engineering (iJOE) vol. 15, no. 11, pp. 1–21 (2019) En: https://doi.org/10.3991/ijoe.v15i11.10912 A. H. Ribeiro, M. H. Ribeiro, G. M. Paixão, D. M. Oliveira, P. R. Gomes, J. A. Canazart, M. P. Ferreira, C. R. Andersson, P. W. Macfarlane, W. Meira, T. B. Schön, and A. L. Ribeiro, “Automatic diagnosis of the 12-lead ECG using a deep neural net-work” . Nature Communications, vol. 11, no. 1 (2020) En: https://doi.org/10.1038/s41467-020-15432-4 S. D. Goodfellow, A. Goodwin, R. Greer, P. C. Laussen, M. Mazwi , and D. Eytan Papers with code - towards understanding ECG rhythm classification using convolutional neural networks and attention mappings,” . Towards understanding ECG rhythm classification using convolutional neural networks and attention mappings — Papers With Code (2018) En: https://proceedings.mlr.press/v85/goodfellow18a M. R. Ahmadpour, H. Ghadiri, and S. R. Hajian Model predictive control optimisation using the metaheuristic optimisation for Blood Pressure Control. IET Systems Biology, vol. 15, no. 2, pp. 41–52 (2021) En: https://doi.org/10.1049/syb2.12012 M. R. Ahmadpour, H. Ghadiri, and S. R. Hajian Model predictive control optimisation using the metaheuristic optimisation for Blood Pressure Control. arXiv.org, (Abril 18,2018) En: https://doi.org/10.48550/arXiv.1804.06812 Relationship between blood pressure and flow rate in arteries using a modified Windkessel model. Papers With Code, 3AD (2020) En: https://paperswithcode.com/paper/relationship-between-blood-pressure-and-flow T. J. Jun, H. M. Nguyen, D. Kang, D. Kim, D. Kim, and Y.-H. Kim ECG arrhythmia classification using a 2-D convolutional neural network. Akademia Baru (Mayo10,2019) En: https://www.akademiabaru.com/doc/ARFMTSV57_N1_P69_85.pdf C.-T. Chen, W.-L. Lin, T.-S. Kuo, and C.-Y. Wang, Adaptive control of arterial blood pressure with a learning controller based on multilayer neural networks. IEEE Transactions on Biomedical Engineering, vol. 44, no. 7, pp. 601–609 (Jul. 1997) En: https://pubmed.ncbi.nlm.nih.gov/9210820/ M. Simjanoska, S. Kochev, J. Tanevski, A. M. Bogdanova, G. Papa, and T. Eftimov “Multi-level information fusion for learning a blood pressure predictive model using sensor data,”. Information Fusion, vol. 58, pp. 24–39 (Jun, 2020) En: http://hdl.handle.net/20.500.12188/14077 F. Hatib, Z. Jian, S. Buddi, C. Lee, J. Settels, K. Sibert, J. Rinehart, and M. Cannesson Machine-learning algorithm to predict hypotension based on high-fidelity arterial pressure waveform analysis”. Anesthesiology, vol. 129, no. 4, pp. 663–674 (2018) En: https://doi.org/10.1097/ALN.0000000000002300 S. Akagi, H. Matsubara, K. Nakamura, and H. Ito Modern treatment to reduce pulmonary arterial pressure in pulmonary arterial hypertension,” Journal of Cardiology. Vol. 72, no. 6, pp. 466–472, (Diciembre, 2018) En: https://doi.org/10.1016/j.jjcc.2018.04.014 K. E. Di Palo and N. J. Barone “Hypertension and heart failure,”. (2020) Heart Failure Clinics, vol. 16, no. 1, pp. 99–106 (Enero, 2020) En: https://doi.org/10.1186/s40885-019-0132-x V. Rovella, M. Gabriele, E. Sali, O. Barnett, A. Scuteri, and N. Di Daniele, “Is arterial stiffness a determinant of hypotension?,”. Cardiovascular Prevention, vol. 27, no. 4, pp. 315–320 (Agosto, 2020) En: https://pubmed.ncbi.nlm.nih.gov/32385789/ S. Mousavi Inter and intra patient ECG Heartbeat Classification for Arrhythmia Detection: A sequence to sequence deep learning approach. (2019) En: https://ieeexplore.ieee.org/document/8683140 S. Hong, Y. Zhou, J. Shang, C. Xiao, and J. Sun, Opportunities and challenges of deep learning methods for ELECTROCARDIOGRAM DATA: A systematic review,”. Computers in Biology and Medicine, vol. 122, p. 103801 (Abril, 2020) En: https://doi.org/10.48550/arXiv.2001.01550 E. L. Ciemins, A. Arora, N. C. Coombs, B. Holloway, E. J. Mullette, R. Garland, S. (Walsh) Bishop-Green, J. Penso, and P. J. Coon “Improving blood pressure control using Smart Technology,”. Telemedicine and e-Health, vol. 24, no. 3, pp. 222–228 (2018) En: https://doi.org/10.1089/tmj.2017.0028 J. Rinehart, S. Lee, B. Saugel, and A. Joosten, Automated blood pressure control,”.Seminars in Respiratory and Critical Care Medicine, vol. 42, no. 01, pp. 047–058 (2020) En: https://pubmed.ncbi.nlm.nih.gov/32746471/ H. Koshimizu and Y. Okuno Artificial Intelligence and Hypertension Management. Artificial Intelligence in Medicine, pp. 689–700 (Julio, 2021) En: https://doi.org/10.1161/CIRCRESAHA.121.318106 El Congreso de Colombia Ley 23 de 1982 En: https://www.funcionpublica.gov.co/eva/gestornormativo/norma.phpi=3431#:~:text=\Esta%20Ley%20protege%20exclusivamente%20la,obras%20literarias%2C%20cient%C3\%ADficas%20y%20art%C3%ADsticas Nvidia Nvidia Jetson Nano Para aplicaciones y educación de ia en el edge En: https://www.nvidia.com/es-la/autonomous-machines/embedded-systems/jetson-nano/ Ing. Dulce Alejandra Serrano Cruz, Dr. Carlos Manuel Astorga Zaragoza, Dr. Gerardo Vicente Guerrero Ramírez Tesis de Maestría-Supervisión de las Dinámicas del Corazónn Mediante la Estimación de Variables del Sistema Cardiovascular Basada en Observadores Tecnológico Nacional de México Centro Nacional de Investigación y Desarrollo Tecnológico En: https://www.cenidet.edu.mx/archivos/electronica/tesis/2019/400MC_dasc.pdf Dulce-A. Serrano-Cruz, Carlos-M. Astorga-Zaragoza, Gerardo-V. Guerrero- Ramírez, Carlos-D. García-Beltran, Gloria-L. Osorio-Gordillo, Estela Ortiz- Range Estimación de variables del sistema cardiovascular mediante un observador parasistemas singulares Tecnológico Nacional de México/ Centro Nacional de Investigación y Desarrollo Tecnológico, Interior Internado Palmira s/n, Col.Palmira,C.P. 62490, Cuernavaca, Morelos, México En: http://docplayer.es/114410281-Estimacion-de-variables-del-sistema-cardiovascular-mediante-un-observador-para-sistemas-singulares.html E. Angelaki, G. D. Barmparis, G. Kochiadakis, S. Maragkoudakis, E. Savva, E. Kampanieris, S. Kassotakis, P. Kalomoirakis, P. Vardas, G. P. Tsironis, and M. E. Marketou Artificial Intelligence-based opportunistic screening for the detection of arterial hypertension through ECG signals Journal of Hypertension, vol. 40, no. 12, pp. 2494–2501 (2022) En: https://pubmed-ncbi-nlm-nih-gov.ezproxy.umng.edu.co/36189460/ Taco Kind, Theo J. C. Faes, Jan-Willem Lankhaar, Anton Vonk-Noordegraaf, and Michel Verhaegen Estimation of Three- and Four-Element Windkessel Parameters Using Subspace Model Identification IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, VOL. 57, NO. 7 (Julio, 2010) En: https://pubmed.ncbi.nlm.nih.gov/20172779/ National Heart, Lung, and Blood Home ATEROSCLEROSIS (Mayo 13, 2022) En: https://www.nhlbi.nih.gov/es/salud/aterosclerosis Singstad, B. Norwegian Endurance Athlete ECG Database (version 1.0.0). PhysioNet (2022) En: https://doi.org/10.13026/qpjf-gk87. Moody GB. Spontaneous Termination of Atrial Fibrillation: A Challenge from PhysioNet and Computers in Cardiology Computers in Cardiology 31:101-104 (2004). En: https://doi.org/10.13026/C2CC7Z Moody GB, Mark RG. The impact of the MIT-BIH Arrhythmia Database. IEEE Eng in Med and Biol 20(3):45-50 (PMID: 11446209) (Mayo-Junio, 2001) En: https://doi.org/10.13026/C2F305 Evgeny Yakushenko St Petersburg INCART 12-lead Arrhythmia Database Version: 1.0.0 (Mayo 1, 2008) En: https://doi.org/10.13026/C2V88N Grapheverywhere Machine Learning — Qué es, tipos, ejemplos y cómo implementarlo En: https://www.grapheverywhere.com/machine-learning-que-es-tipos-ejemplos-y-como-implementarlo/ H. González Barrio1, A. Calleja Ochoa2, G. Gómez-Escudero1, A. Rodríguez Ezquerro3, L.N. López de Lacalle Marcaide1,3. 1 Dpto. de Ing. Mecánica. Escuela de Ingenieríıa de Bilbao. Universidad del País Vasco (UPV/EHU). 2 Dpto.de Ing. Mecánica. Escuela de Ingeniería de Vitoria-Gasteiz. Universidad del País Vasco (UPV/EHU). 3 Centro de Fabricación Avanzada Aeronáutica. (UP- V/EHU) Los conceptos de Machine Learning y Deep Learning en la industria (Abril 06,2021) En: https://www.interempresas.net/MetalMecanica/Articulos/ 347471-Los-conceptos-de-Machine-Learning-y-Deep-Learning-en-la-industria.html MayoClinic Peligros sobre la hipertensión: Efectos de la hipertensión sobre tu cuerpo (Marzo 05, 2022) En: https://www.mayoclinic.org/es/diseases-conditions/high-blood-pressure/in-depth/high-blood-pressure/art-20045868 George L. Bakris , MD, University of Chicago School of Medicine Hipertensión arterial (Nov, 2022) En: https://www.msdmanuals.com/es/hogar/trastornos-del-coraz%C3%B3n-y-los-vasos-sangu%C3%ADneos/hipertensi%C3%B3n-arterial/hipertensi%C3%B3n-arterial Antoni Bayés de Luna Arritmias supraventriculares: aspectos electrocardiográficos Dic 23, 2016 En: http://doi.org/10.5867/medwave.2016.6815 Levi D. Procter , MD Hipotensión arterial Virginia Commonwealth University School of Medicine (Junio, 2022) En: https://www.msdmanuals.com/es-co/hogar/trastornos-del-coraz%C3%B3n-y-los-vasossangu%C3%ADneos/presi%C3%B3n-arterial-baja-y-choque-shock/hipotensi%C3%B3n-arterial Moody, G., Pollard, T., & Moody, B WFDB Software Package (Junio, 2021) En: https://doi.org/10.13026/zzpx-h016 Mauricio Sánchez Barajas Transformada de Fourier para obtener el dominio de la frecuencia en la variabilidad de la frecuencia cardíaca en mujeres Instituto Mexicano del Seguro Social, Hospital General de Zona C/MF No. 21, México, (2020) En: https://rcs.cic.ipn.mx/2020_149_2/Transformada%20de%20Fourier%20para%20obtener%20el%20dominio.pdf El Instituto Nacional sobre el Envejecimiento (NIA) La salud del corazón y el envejecimiento (Junio 30, 2018) En: https://www.nia.nih.gov/espanol/salud-corazon-envejecimiento Laia Sans Atxer Hipertensión arterial en el anciano NefroPlus. Vol. 4. Núm. 3 (Diciembre, 2011) En: 10.3265/NefroPlus.pre2011.Nov.11229 MathWorks Classification Learner En: https://la.mathworks.com/help/stats/classificationlearner-app.html RETHININNK THE FUTURE ¿QUÉ ES EL CONTROL PID? SUS APLICACIONES EN LA INDUSTRIA 4.0 En: https://mintforpeople.com/noticias/que-es-control-pid/ Se presentan unas modificaciones al PID clásico con sus tres acciones de control en la cadena directa aplicadas a la señal de error. Se aplican a la señal de salida la acción derivativa y la proporcional. En: https://ocw.ehu.eus/file.php/83/apendice_PID_html/apendice-pid.html Virginia Mazzone Controladores PID Control Automático 1, Automatización y Control Industrial Universidad Nacional de Quilmes (Marzo 2002) En: chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/https://www.eng.newcastle.edu.au/~jhb519/teaching/caut1/Apuntes/PID.pdf Roberto Cárdenas Dobson Ingeniero Electricista Msc. Ph.D Sistemas de Segundo Orden Apuntes del curso de Control Automático Departamento de Ingeniería Eléctrica Universidad de Magallanes En: https://www.u-cursos.cl/ingenieria/2014/2/EL4004/1/material_docente/bajar%3Fid_material%3D962199#:~:text=La%20frecuencia%20natural%20%CF%89n%20es,%C3%A1ngulo%20mostrado%20en%20la%20figura Sistemas de Segundo Orden Departamento de Ingeniería de Sistemas y Automática Universidad de Málaga En: https://dademuchconnection.files.wordpress.com/2018/03/sistemas-de-segundo-orden.pdf RICHARD HATHAWAY,KAH WAH LARGO 1 - TRANSDUCERS AND DATA ACQUISITION Pruebas y análisis de fatiga, Teoría y práctica (2005) En: https://doi.org/10.1016/B978-075067719-6/50002-6 MathWorks Frecuencia media En: https://la.mathworks.com/help/signal/ref/meanfreq.html MathWorks Median frequency En: https://la.mathworks.com/help/signal/ref/medfreq.html Louis E. Frenzel, Electronics Explained, Newnes, Chapter 7 - Radio/Wireless: The Invisible Cables of Modern Electronics, Pages 147-182, ISBN 9781856177009 (2010) En: https://doi.org/10.1016/B978-1-85617-700-9.00007-2 Ashour AS, Guo Y, Hawas AR, Xu G. Ensemble of subspace discriminant classifiers for schistosomal liver fibrosis staging in mice microscopic images Health Inf Sci Syst;6(1):21 PMCID: PMC6212370. (Noviembre 1, 2018) En: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6212370/ Aprende Machine Learning PRÁCTICA Clasificar con K-Nearest-Neighbor ejemplo en Python (Julio 18, 2018) En: https://www.aprendemachinelearning.com/clasificar-con-k-nearest-neighbor-ejemplo-en-python/ Fernández-Tresguerres J.A., Ruiz C, Cachofeiro V, Cardinali D.P., Escriche E, Gil-Loyzaga P.E., Julia V, Teruel F, Pardo M, Meńendez J(Eds.), Fisiología humana, 4e. McGraw Hill. (2016) En: https://accessmedicina.mhmedical.com/content.aspx?bookid=1858§ionid=134361717 Gersh, Bernard J Mayo Clinic heart book : the ultimate guide to heart health New York: W. Morrow (2000) En: https://archive.org/details/mayoclinicheartb00bern/page/n3/mode/2up National Heart, Lung and Blood institute - NIH MARCAPASOS Cómo funcionan los marcapasos (Junio 8, 2022) En: https://www.nhlbi.nih.gov/es/salud/marcapasos/como-funciona#:~:text=Los%20marcapasos%20utilizan%20impulsos%20el%C3%A9ctricos,nuevo%20de%20marcapasos%20sin%20cables. Rafael Santamaría Olmoa, María Dolores Redondo Pachóna, Casimiro Valle Dom ́ıngueza, Pedro Aljama García a Urgencias y emergencias hipertensivas: tratamiento Servicio de Nefrología, Hospital Universitario Reina Sofía, Córdoba, Córdoba, España. NefroPlus. Vol. 2. Núm. 2, páginas 1-57 (Abril, 2009) En: https://www.revistanefrologia.com/es-urgencias-emergencias-hipertensivas-tratamiento-articulo-X1888970009000496#:~:text=7.,tipo%20de%20afectaci%C3%B3n%20org%C3%A1nica%20asociada. Luis-García C, Arbones-Aran E, Moreno-Martínez CE, Trillo-Urrutia L. Clevidipine as an antihypertensive drug in three pheochromocytoma surgeries: Case series Colombian Journal of Anesthesiology;48(4):e937(2020) En: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-33472020000400400&lng=pt&tlng=es#B7 . |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.creativecommons.spa.fl_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 International |
| dc.rights.local.spa.fl_str_mv |
Acceso abierto |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ Attribution-NonCommercial-NoDerivatives 4.0 International Acceso abierto http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
applicaction/pdf |
| dc.coverage.sede.spa.fl_str_mv |
Campus UMNG |
| dc.publisher.program.spa.fl_str_mv |
Ingeniería Biomédica |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad Militar Nueva Granada |
| institution |
Universidad Militar Nueva Granada |
| bitstream.url.fl_str_mv |
http://repository.unimilitar.edu.co/bitstream/10654/45854/1/GutierrezAlejandraMorenoNicolas2023.pdf http://repository.unimilitar.edu.co/bitstream/10654/45854/2/license.txt |
| bitstream.checksum.fl_str_mv |
2ff1e6e53ce49b17d0708458e046cee1 a609d7e369577f685ce98c66b903b91b |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional UMNG |
| repository.mail.fl_str_mv |
bibliodigital@unimilitar.edu.co |
| _version_ |
1837098392859181056 |
| spelling |
Hernandez Beleño, Ruben DarioGutierrez Navia, Maria AlejandraMoreno Ramirez, Nicolas AndresIngeniero Biomédico2024-02-22T17:53:21Z2024-02-22T17:53:21Z2023-12-22http://hdl.handle.net/10654/45854instname:Universidad Militar Nueva Granadareponame:Repositorio Institucional Universidad Militar Nueva Granadarepourl:https://repository.unimilitar.edu.coLa enfermedades de tensión arterial son patologías crónicas que afectan a millones de personas en todo el mundo. El manejo de la presión arterial es un desafío importante, ya que requiere un tratamiento personalizado que tenga en cuenta las características individuales de cada paciente. En este proyecto se propone un sistema de control para la regulación de la presión arterial basado en inteligencia artificial y ECG. El sistema utiliza una señal ECG como entrada para identificar el tipo de arritmia que presenta el paciente. Luego, utiliza un modelo de WindKessel para obtener la señal de presión arterial. Finalmente, utiliza un controlador PID ideal para generar las señales de control que regulan la presión arterial. El sistema se implementó en un simulador de paciente. Los resultados de las simulaciones mostraron que el sistema es capaz de regular la presión arterial de forma efectiva en pacientes con diferentes tipos de arritmia. Este proyecto tiene el potencial de mejorar el control de la presión arterial en pacientes con arritmia. El sistema es personalizado y adaptable, lo que lo hace adecuado para su uso en pacientes individualesAgradecimientos III Resumen IV Acrónimos 2 1. Capítulo: Introduccion 3 1.1. Antecedentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.2. Planteamiento del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 1.3. Justificación del proyecto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 1.4. Objetivo General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.5. Objetivos específicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 1.6. Especificaciones normativas . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2. Capíıtulo: Marco Teórico 20 2.1. Electrocardiograma ”ECG” . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 2.2. Inteligencia artificial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 2.2.1. Aprendizaje automático “Machine learning” . . . . . . . . . . . . . . 20 2.2.2. Aprendizaje Supervisado . . . . . . . . . . . . . . . . . . . . . . . . . 21 2.2.3. Tipos de algoritmos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.3. Presión arterial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 2.4. Compliancia arterial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 2.5. Impedancia o resistencia al flujo sanguíneo . . . . . . . . . . . . . . . . . . . 24 2.6. Flujo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 2.7. Resistencia vascular periférica . . . . . . . . . . . . . . . . . . . . . . . . . . 24 2.8. Gasto Cardiaco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.9. Controlador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.9.1. Sistema lazo cerrado . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.9.2. Función de transferencia . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.9.3. Comportamiento dinámico de un sistema . . . . . . . . . . . . . . . . 25 2.9.4. Comportamiento estático de un sistema . . . . . . . . . . . . . . . . . 25 2.9.5. La frecuencia natural de amortiguamiento (Wn) . . . . . . . . . . . . 26 2.9.6. El coeficiente de amortiguamiento (ζ) . . . . . . . . . . . . . . . . . . 26 2.9.7. El tiempo de establecimiento (settling time) (Ts) . . . . . . . . . . . 27 3. Capítulo: Metodología Y Desarrollo Experimental 28 3.1. Modelo de WindKessel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 3.2. Señales electrocardiográficas (ECG) . . . . . . . . . . . . . . . . . . . . . . . 33 3.2.1. Procesamiento en Python . . . . . . . . . . . . . . . . . . . . . . . . 35 3.2.2. Clasificación señales de electrocardiografía (Algoritmo de IA) . . . . . 37 3.3. Controlador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 3.4. Modelo Final . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 4. Capítulo: Resultados y Análisis 56 4.1. Paciente sano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 4.2. Paciente con hipotensión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 4.3. Paciente con hipertensión . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66 5. Capítulo: Conclusiones y recomendaciones 74 A. Anexo I: Código Fuente Matlab 77 B. Anexo II: Código Función de Matlab interpretada/Simulink 90 C. Anexo III: Código Matlab Function 91 D. Anexo IIII: Código Ejemplo Anaconda (Python) 92 Bibliografía 94Blood pressure diseases are chronic pathologies that affect millions of people worldwide. Blood pressure control is a challenging task, as it requires personalized treatment that takes into account the individual characteristics of each patient. This project proposes an artificial intelligence and ECG-based blood pressure regulation control system. The system uses an ECG signal as input to identify the type of arrhythmia that the patient has. Then, it uses a Windkessel model to obtain the blood pressure signal. Finally, it uses an ideal PID controller to generate the control signals that regulate blood pressure. The system was implemented in a patient simulator. The simulation results showed that the system is able to effectively regulate blood pressure in patients with different types of arrhythmia. This project has the potential to improve blood pressure control in patients with arrhythmia. The system is personalized and adaptable, making it suitable for use in individual patientsPregradoapplicaction/pdfspahttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessAttribution-NonCommercial-NoDerivatives 4.0 InternationalAcceso abiertohttp://purl.org/coar/access_right/c_abf2Sistemas de control para hipertensión y/o hipotensión como caso de estudioControl systems for hypertension and/or hypotension as a case studyINTELIGENCIA ARTIFICIALPRESION SANGUINEAHIPERTENSIONcontrolmodelingartificial intelligencebiological systemspathologyblood pressurecontrolmodelamientointeligencia artificialsistemas biológicospatologíaspresión arterialTesis/Trabajo de grado - Monografía - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fIngeniería BiomédicaFacultad de IngenieríaUniversidad Militar Nueva GranadaMayo Clinic. Presión Arterial Baja (hipotensión). (2022) En: https://www.mayoclinic.org/es-es/diseases-conditions/low-blood-pressure/symptoms-causes/syc-20355465 World Health Organization (WHO). Hypertension. En: https://www.who.int/health-topics/hypertension#tab=tab_1German Guzmán Martell, Angel Lira Sánchez, Daniel Santilláan Martínezz SIMPA:Sistema de Medición de Presión Arterial y Frecuencia Cardiaca. INSTITUTO PO- LITÉCNICO NACIONAL ESCUELA SUPERIOR DE C ́OMPUTO ESCOM ( Diciembre 2015) En: https://tesis.ipn.mx/bitstream/handle/123456789/21965/SIMPA%20sistema%20de%20medicion%20de%20presion%20arterial%20y%20frecuencia%20cardiaca.pdf?sequence=7 J. Hauser, J. Parak, M. Lozek, and J. Havlik System analyze of the Windkessel models Department of Circuit Theory, Faculty of Electrical Engineering, Czech Technical University in Prague Technicka 2, 166 27, Prague, Czech Republic (2012) . En: http://bmeg.fel.cvut.cz/wp-content/uploads/2013/06/Hauser-SYSTEM_ANALYZE_OF_THE_WINDKESSEL_MODELS.pdf I. J. Nagrath and M. Gopal Control Systems Engineering, London: New Age Techno Press, An Imprint of New Age International (P) Limited. (2018)R. C. P. Kerckhoffs, S. N. Healy, T. P. Usyk, and A. D. McCulloch Computational methods for cardiac electromechanics. in Proceedings of the IEEE, vol. 94, no. 4, pp. 769-783, April 2006, doi: 10.1109/JPROC.2006.871772. En: https://ieeexplore.ieee.org/document/1618635 Y. M. Regino-Ruenes, M. A. Quintero-Velásquez, and J. F. Saldarriaga-Franco La hipertensión arterial no controlada y sus factores asociados en un programa de hipertensión. Rev Colomb Cardiol. 2021;28(6):648-655 (2022) En: https://doi.org/10.24875/rccar.m21000108National Heart, Lung, and Blood Institute. Diagnóstico (Marzo 24,2022). En: https://www.nhlbi.nih.gov/es/salud/arritmias/diagnostico#:~:text=Un%20electrocardiograma%20(ECG)%20es%20la,y%20se%20contra%20con%20rapidez.My EKG, La Web del Electrocardiograma. Disfunción o Enfermedad del Nodo Sinusal. En: https://www.my-ekg.com/arritmias-cardiacas/bradiarritmias-nodo-sinusal.html Redacción APD. ¿Qué es Machine Learning y cómo funciona?. APD España (Julio 6, 2023) En: https://www.apd.es/que-es-machine-learning/Raúl Arrabales. Deep Learning: qué es y por qué va a ser una tecnología clave en el futuro de la inteligencia artificial. Xataka (Octubre 28, 2016) En: https://www.xataka.com/robotica-e-ia/deep-learning-que-es-y-por-que-va-a-ser-una-tecnologia-clave-en-el-futuro-de-la-inteligencia-artificial MedlinePlus Presión arterial - Videos de Salud: Medlineplus Enciclopedia Médica. (Febrero 3, 2023) En: https://medlineplus.gov/spanish/ency/anatomyvideos/000013.htm Osmosis From EL Sevier Compliance of blood vessels. En: https://www.osmosis.org/learn/Compliance_of_blood_vesselsJ. C. Grignola and E. Domingo, Conceptos Básicos en Circulación Pulmonar. Revista Colombiana de Cardiología, vol. 24, pp. 3-10, DOI:10.1016/j.rccar.2017.08.003 (Septiembre 2017) En: https://www.elsevier.es/es-revista-revista-colombiana-cardiologia-203-articulo-conceptos-basicos\-circulacion-pulmonar-S0120563317301171#:~:text=En%20condiciones%20normales%2C%20la%20circulaci%C3%B3n,que%20el%20ventr%C3%ADculo%20derecho%20opere C. Ciancaglini Hidrodinamia de la Circulación Vascular Periférica normal Y patológica. vol.6, n.2 (May0, 2004) En: https://www.scielo.sa.cr/scielo.php?script=sci_arttext&pid=S140941422004000200006#:~:text=Resistencia%3A%20es%20la%20dificultad%20para,despu%C3%A9s)%3B%20una%20unidad%20de. [Accessed:26-Oct-2022].E. Martinez, Controladores (Teoria de control). Share and Discover Knowledge on SlideShare (Julio 24,2013) En: https://es.slideshare.net/martinezeduardo/controladores-teoria-de-control-24587590#:~:text=El%20controlador%20o%20regulador%20constituye,se%20denomina%20acci%C3%B3n%20de%20control .[Accessed:26-Oct-2022].Ricardo Julián Mantz Observadores de estados. Universidad Nacional de La Plata (2003). En: https://catedra.ing.unlp.edu.ar/electrotecnia/controlm/electronica/archivos/apuntes/observadores.pdf S. A. C. Giraldo, Lazo Abierto y lazo cerrado - [sistemas de control ]. Control Automático Educación (Junio 20,2021). En: https://controlautomaticoeducacion.com/control-realimentado/lazo-abierto-y-lazocerrado/ .[Accessed:26-Oct-2022]S. C Función de transferencia: Lo que nunca Te Enseñaron,. Control Automático Educación (Octubre 23,2022) En: https://controlautomaticoeducacion.com/analisis-de-sistemas/funcion-de-transferencia/ .[Accessed:26-Oct-2022].L. Francis Obando, “Los Sistemas de control son Sistemas dinámicos.,” . dademuchconnection(Febrero 6, 2022)En: https://dademuch.com/2016/07/22/los-sistemas-de-control-son-sistemas-dinamicos/ .[Accessed:26-Oct-2022].M. Fetanat, M. Stevens, C. Hayward, and N. H. Lovell, vol. 67, no. 4, pp. 1–9 (Julio, 2019) En: http://dx.doi.org/10.1109/TBME.2019.2932233M. Fetanat, M. Stevens, C. Hayward, and N. H. Lovell A sensorless control system for an implantable heart pump using a real-time deep convolutional neural network. IEEE Transactions on Biomedical Engineering vol. 68, no. 10, pp. 1–10 (2021) En: https://ieeexplore.ieee.org/document/9361203 H. Silva, C. Leão, and E. Seabra. Multi-model adaptive predictive control system for automated regulation of mean blood pressure. International Journal of Online and Biomedical Engineering (iJOE) vol. 15, no. 11, pp. 1–21 (2019) En: https://doi.org/10.3991/ijoe.v15i11.10912 A. H. Ribeiro, M. H. Ribeiro, G. M. Paixão, D. M. Oliveira, P. R. Gomes, J. A. Canazart, M. P. Ferreira, C. R. Andersson, P. W. Macfarlane, W. Meira, T. B. Schön, and A. L. Ribeiro, “Automatic diagnosis of the 12-lead ECG using a deep neural net-work” . Nature Communications, vol. 11, no. 1 (2020) En: https://doi.org/10.1038/s41467-020-15432-4 S. D. Goodfellow, A. Goodwin, R. Greer, P. C. Laussen, M. Mazwi , and D. Eytan Papers with code - towards understanding ECG rhythm classification using convolutional neural networks and attention mappings,” . Towards understanding ECG rhythm classification using convolutional neural networks and attention mappings — Papers With Code (2018) En: https://proceedings.mlr.press/v85/goodfellow18a M. R. Ahmadpour, H. Ghadiri, and S. R. Hajian Model predictive control optimisation using the metaheuristic optimisation for Blood Pressure Control. IET Systems Biology, vol. 15, no. 2, pp. 41–52 (2021) En: https://doi.org/10.1049/syb2.12012 M. R. Ahmadpour, H. Ghadiri, and S. R. Hajian Model predictive control optimisation using the metaheuristic optimisation for Blood Pressure Control. arXiv.org, (Abril 18,2018) En: https://doi.org/10.48550/arXiv.1804.06812 Relationship between blood pressure and flow rate in arteries using a modified Windkessel model. Papers With Code, 3AD (2020) En: https://paperswithcode.com/paper/relationship-between-blood-pressure-and-flow T. J. Jun, H. M. Nguyen, D. Kang, D. Kim, D. Kim, and Y.-H. Kim ECG arrhythmia classification using a 2-D convolutional neural network. Akademia Baru (Mayo10,2019) En: https://www.akademiabaru.com/doc/ARFMTSV57_N1_P69_85.pdfC.-T. Chen, W.-L. Lin, T.-S. Kuo, and C.-Y. Wang, Adaptive control of arterial blood pressure with a learning controller based on multilayer neural networks. IEEE Transactions on Biomedical Engineering, vol. 44, no. 7, pp. 601–609 (Jul. 1997) En: https://pubmed.ncbi.nlm.nih.gov/9210820/M. Simjanoska, S. Kochev, J. Tanevski, A. M. Bogdanova, G. Papa, and T. Eftimov “Multi-level information fusion for learning a blood pressure predictive model using sensor data,”. Information Fusion, vol. 58, pp. 24–39 (Jun, 2020) En: http://hdl.handle.net/20.500.12188/14077 F. Hatib, Z. Jian, S. Buddi, C. Lee, J. Settels, K. Sibert, J. Rinehart, and M. Cannesson Machine-learning algorithm to predict hypotension based on high-fidelity arterial pressure waveform analysis”. Anesthesiology, vol. 129, no. 4, pp. 663–674 (2018) En: https://doi.org/10.1097/ALN.0000000000002300 S. Akagi, H. Matsubara, K. Nakamura, and H. Ito Modern treatment to reduce pulmonary arterial pressure in pulmonary arterial hypertension,” Journal of Cardiology. Vol. 72, no. 6, pp. 466–472, (Diciembre, 2018) En: https://doi.org/10.1016/j.jjcc.2018.04.014K. E. Di Palo and N. J. Barone “Hypertension and heart failure,”. (2020) Heart Failure Clinics, vol. 16, no. 1, pp. 99–106 (Enero, 2020) En: https://doi.org/10.1186/s40885-019-0132-x V. Rovella, M. Gabriele, E. Sali, O. Barnett, A. Scuteri, and N. Di Daniele, “Is arterial stiffness a determinant of hypotension?,”. Cardiovascular Prevention, vol. 27, no. 4, pp. 315–320 (Agosto, 2020) En: https://pubmed.ncbi.nlm.nih.gov/32385789/S. Mousavi Inter and intra patient ECG Heartbeat Classification for Arrhythmia Detection: A sequence to sequence deep learning approach. (2019) En: https://ieeexplore.ieee.org/document/8683140 S. Hong, Y. Zhou, J. Shang, C. Xiao, and J. Sun, Opportunities and challenges of deep learning methods for ELECTROCARDIOGRAM DATA: A systematic review,”. Computers in Biology and Medicine, vol. 122, p. 103801 (Abril, 2020) En: https://doi.org/10.48550/arXiv.2001.01550E. L. Ciemins, A. Arora, N. C. Coombs, B. Holloway, E. J. Mullette, R. Garland, S. (Walsh) Bishop-Green, J. Penso, and P. J. Coon “Improving blood pressure control using Smart Technology,”. Telemedicine and e-Health, vol. 24, no. 3, pp. 222–228 (2018) En: https://doi.org/10.1089/tmj.2017.0028J. Rinehart, S. Lee, B. Saugel, and A. Joosten, Automated blood pressure control,”.Seminars in Respiratory and Critical Care Medicine, vol. 42, no. 01, pp. 047–058 (2020) En: https://pubmed.ncbi.nlm.nih.gov/32746471/H. Koshimizu and Y. Okuno Artificial Intelligence and Hypertension Management. Artificial Intelligence in Medicine, pp. 689–700 (Julio, 2021) En: https://doi.org/10.1161/CIRCRESAHA.121.318106 El Congreso de Colombia Ley 23 de 1982 En: https://www.funcionpublica.gov.co/eva/gestornormativo/norma.phpi=3431#:~:text=\Esta%20Ley%20protege%20exclusivamente%20la,obras%20literarias%2C%20cient%C3\%ADficas%20y%20art%C3%ADsticasNvidia Nvidia Jetson Nano Para aplicaciones y educación de ia en el edge En: https://www.nvidia.com/es-la/autonomous-machines/embedded-systems/jetson-nano/ Ing. Dulce Alejandra Serrano Cruz, Dr. Carlos Manuel Astorga Zaragoza, Dr. Gerardo Vicente Guerrero Ramírez Tesis de Maestría-Supervisión de las Dinámicas del Corazónn Mediante la Estimación de Variables del Sistema Cardiovascular Basada en Observadores Tecnológico Nacional de México Centro Nacional de Investigación y Desarrollo Tecnológico En: https://www.cenidet.edu.mx/archivos/electronica/tesis/2019/400MC_dasc.pdf Dulce-A. Serrano-Cruz, Carlos-M. Astorga-Zaragoza, Gerardo-V. Guerrero- Ramírez, Carlos-D. García-Beltran, Gloria-L. Osorio-Gordillo, Estela Ortiz- Range Estimación de variables del sistema cardiovascular mediante un observador parasistemas singulares Tecnológico Nacional de México/ Centro Nacional de Investigación y Desarrollo Tecnológico, Interior Internado Palmira s/n, Col.Palmira,C.P. 62490, Cuernavaca, Morelos, México En: http://docplayer.es/114410281-Estimacion-de-variables-del-sistema-cardiovascular-mediante-un-observador-para-sistemas-singulares.html E. Angelaki, G. D. Barmparis, G. Kochiadakis, S. Maragkoudakis, E. Savva, E. Kampanieris, S. Kassotakis, P. Kalomoirakis, P. Vardas, G. P. Tsironis, and M. E. Marketou Artificial Intelligence-based opportunistic screening for the detection of arterial hypertension through ECG signals Journal of Hypertension, vol. 40, no. 12, pp. 2494–2501 (2022) En: https://pubmed-ncbi-nlm-nih-gov.ezproxy.umng.edu.co/36189460/ Taco Kind, Theo J. C. Faes, Jan-Willem Lankhaar, Anton Vonk-Noordegraaf, and Michel Verhaegen Estimation of Three- and Four-Element Windkessel Parameters Using Subspace Model Identification IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, VOL. 57, NO. 7 (Julio, 2010) En: https://pubmed.ncbi.nlm.nih.gov/20172779/ National Heart, Lung, and Blood Home ATEROSCLEROSIS (Mayo 13, 2022) En: https://www.nhlbi.nih.gov/es/salud/aterosclerosisSingstad, B. Norwegian Endurance Athlete ECG Database (version 1.0.0). PhysioNet (2022) En: https://doi.org/10.13026/qpjf-gk87.Moody GB. Spontaneous Termination of Atrial Fibrillation: A Challenge from PhysioNet and Computers in Cardiology Computers in Cardiology 31:101-104 (2004). En: https://doi.org/10.13026/C2CC7ZMoody GB, Mark RG. The impact of the MIT-BIH Arrhythmia Database. IEEE Eng in Med and Biol 20(3):45-50 (PMID: 11446209) (Mayo-Junio, 2001) En: https://doi.org/10.13026/C2F305 Evgeny Yakushenko St Petersburg INCART 12-lead Arrhythmia Database Version: 1.0.0 (Mayo 1, 2008) En: https://doi.org/10.13026/C2V88NGrapheverywhere Machine Learning — Qué es, tipos, ejemplos y cómo implementarlo En: https://www.grapheverywhere.com/machine-learning-que-es-tipos-ejemplos-y-como-implementarlo/ H. González Barrio1, A. Calleja Ochoa2, G. Gómez-Escudero1, A. Rodríguez Ezquerro3, L.N. López de Lacalle Marcaide1,3. 1 Dpto. de Ing. Mecánica. Escuela de Ingenieríıa de Bilbao. Universidad del País Vasco (UPV/EHU). 2 Dpto.de Ing. Mecánica. Escuela de Ingeniería de Vitoria-Gasteiz. Universidad del País Vasco (UPV/EHU). 3 Centro de Fabricación Avanzada Aeronáutica. (UP- V/EHU) Los conceptos de Machine Learning y Deep Learning en la industria (Abril 06,2021) En: https://www.interempresas.net/MetalMecanica/Articulos/ 347471-Los-conceptos-de-Machine-Learning-y-Deep-Learning-en-la-industria.htmlMayoClinic Peligros sobre la hipertensión: Efectos de la hipertensión sobre tu cuerpo (Marzo 05, 2022) En: https://www.mayoclinic.org/es/diseases-conditions/high-blood-pressure/in-depth/high-blood-pressure/art-20045868 George L. Bakris , MD, University of Chicago School of Medicine Hipertensión arterial (Nov, 2022) En: https://www.msdmanuals.com/es/hogar/trastornos-del-coraz%C3%B3n-y-los-vasos-sangu%C3%ADneos/hipertensi%C3%B3n-arterial/hipertensi%C3%B3n-arterialAntoni Bayés de Luna Arritmias supraventriculares: aspectos electrocardiográficos Dic 23, 2016 En: http://doi.org/10.5867/medwave.2016.6815Levi D. Procter , MD Hipotensión arterial Virginia Commonwealth University School of Medicine (Junio, 2022) En: https://www.msdmanuals.com/es-co/hogar/trastornos-del-coraz%C3%B3n-y-los-vasossangu%C3%ADneos/presi%C3%B3n-arterial-baja-y-choque-shock/hipotensi%C3%B3n-arterial Moody, G., Pollard, T., & Moody, B WFDB Software Package (Junio, 2021) En: https://doi.org/10.13026/zzpx-h016 Mauricio Sánchez Barajas Transformada de Fourier para obtener el dominio de la frecuencia en la variabilidad de la frecuencia cardíaca en mujeres Instituto Mexicano del Seguro Social, Hospital General de Zona C/MF No. 21, México, (2020) En: https://rcs.cic.ipn.mx/2020_149_2/Transformada%20de%20Fourier%20para%20obtener%20el%20dominio.pdf El Instituto Nacional sobre el Envejecimiento (NIA) La salud del corazón y el envejecimiento (Junio 30, 2018) En: https://www.nia.nih.gov/espanol/salud-corazon-envejecimiento Laia Sans Atxer Hipertensión arterial en el anciano NefroPlus. Vol. 4. Núm. 3 (Diciembre, 2011) En: 10.3265/NefroPlus.pre2011.Nov.11229 MathWorks Classification Learner En: https://la.mathworks.com/help/stats/classificationlearner-app.html RETHININNK THE FUTURE ¿QUÉ ES EL CONTROL PID? SUS APLICACIONES EN LA INDUSTRIA 4.0 En: https://mintforpeople.com/noticias/que-es-control-pid/ Se presentan unas modificaciones al PID clásico con sus tres acciones de control en la cadena directa aplicadas a la señal de error. Se aplican a la señal de salida la acción derivativa y la proporcional. En: https://ocw.ehu.eus/file.php/83/apendice_PID_html/apendice-pid.html Virginia Mazzone Controladores PID Control Automático 1, Automatización y Control Industrial Universidad Nacional de Quilmes (Marzo 2002) En: chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/https://www.eng.newcastle.edu.au/~jhb519/teaching/caut1/Apuntes/PID.pdf Roberto Cárdenas Dobson Ingeniero Electricista Msc. Ph.D Sistemas de Segundo Orden Apuntes del curso de Control Automático Departamento de Ingeniería Eléctrica Universidad de Magallanes En: https://www.u-cursos.cl/ingenieria/2014/2/EL4004/1/material_docente/bajar%3Fid_material%3D962199#:~:text=La%20frecuencia%20natural%20%CF%89n%20es,%C3%A1ngulo%20mostrado%20en%20la%20figuraSistemas de Segundo Orden Departamento de Ingeniería de Sistemas y Automática Universidad de Málaga En: https://dademuchconnection.files.wordpress.com/2018/03/sistemas-de-segundo-orden.pdfRICHARD HATHAWAY,KAH WAH LARGO 1 - TRANSDUCERS AND DATA ACQUISITION Pruebas y análisis de fatiga, Teoría y práctica (2005) En: https://doi.org/10.1016/B978-075067719-6/50002-6 MathWorks Frecuencia media En: https://la.mathworks.com/help/signal/ref/meanfreq.html MathWorks Median frequency En: https://la.mathworks.com/help/signal/ref/medfreq.html Louis E. Frenzel, Electronics Explained, Newnes, Chapter 7 - Radio/Wireless: The Invisible Cables of Modern Electronics, Pages 147-182, ISBN 9781856177009 (2010) En: https://doi.org/10.1016/B978-1-85617-700-9.00007-2Ashour AS, Guo Y, Hawas AR, Xu G. Ensemble of subspace discriminant classifiers for schistosomal liver fibrosis staging in mice microscopic images Health Inf Sci Syst;6(1):21 PMCID: PMC6212370. (Noviembre 1, 2018) En: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6212370/ Aprende Machine Learning PRÁCTICA Clasificar con K-Nearest-Neighbor ejemplo en Python (Julio 18, 2018) En: https://www.aprendemachinelearning.com/clasificar-con-k-nearest-neighbor-ejemplo-en-python/ Fernández-Tresguerres J.A., Ruiz C, Cachofeiro V, Cardinali D.P., Escriche E, Gil-Loyzaga P.E., Julia V, Teruel F, Pardo M, Meńendez J(Eds.), Fisiología humana, 4e. McGraw Hill. (2016) En: https://accessmedicina.mhmedical.com/content.aspx?bookid=1858§ionid=134361717 Gersh, Bernard J Mayo Clinic heart book : the ultimate guide to heart health New York: W. Morrow (2000) En: https://archive.org/details/mayoclinicheartb00bern/page/n3/mode/2up National Heart, Lung and Blood institute - NIH MARCAPASOS Cómo funcionan los marcapasos (Junio 8, 2022) En: https://www.nhlbi.nih.gov/es/salud/marcapasos/como-funciona#:~:text=Los%20marcapasos%20utilizan%20impulsos%20el%C3%A9ctricos,nuevo%20de%20marcapasos%20sin%20cables. Rafael Santamaría Olmoa, María Dolores Redondo Pachóna, Casimiro Valle Dom ́ıngueza, Pedro Aljama García a Urgencias y emergencias hipertensivas: tratamiento Servicio de Nefrología, Hospital Universitario Reina Sofía, Córdoba, Córdoba, España. NefroPlus. Vol. 2. Núm. 2, páginas 1-57 (Abril, 2009) En: https://www.revistanefrologia.com/es-urgencias-emergencias-hipertensivas-tratamiento-articulo-X1888970009000496#:~:text=7.,tipo%20de%20afectaci%C3%B3n%20org%C3%A1nica%20asociada. Luis-García C, Arbones-Aran E, Moreno-Martínez CE, Trillo-Urrutia L. Clevidipine as an antihypertensive drug in three pheochromocytoma surgeries: Case series Colombian Journal of Anesthesiology;48(4):e937(2020) En: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-33472020000400400&lng=pt&tlng=es#B7 .Campus UMNGORIGINALGutierrezAlejandraMorenoNicolas2023.pdfGutierrezAlejandraMorenoNicolas2023.pdfTesisapplication/pdf6112500http://repository.unimilitar.edu.co/bitstream/10654/45854/1/GutierrezAlejandraMorenoNicolas2023.pdf2ff1e6e53ce49b17d0708458e046cee1MD51open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-83420http://repository.unimilitar.edu.co/bitstream/10654/45854/2/license.txta609d7e369577f685ce98c66b903b91bMD52open access10654/45854oai:repository.unimilitar.edu.co:10654/458542024-02-22 12:53:23.412open accessRepositorio Institucional UMNGbibliodigital@unimilitar.edu.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 |