Proyectos


ANÁLISIS DINÁMICO DE CARACTERÍSTICAS EN LA DETECCIÓN DE EVENTOS FISIOLÓGICOS

 

INVESTIGADOR(ES) PRINCIPAL(ES):

NOMBRE
DEDICACIÓN

Alvaro Angel Orozco Gutiérrez

20 horas

 

CODIGO CIE

6-07-3

NOMBRE DEL GRUPO DE INVESTIGACIÓN
PROPONENTE

AUTOMÁTICA

SI
NOMBRE
PARTICIPACION
DEDICACIÓN

Julián David Echeverry Correa

Coinvestigador

0 Horas

Lorena Alvarez Osorio

Estudiante

0 Horas

Mauricio Alexander Alvarez Lopez

Coinvestigador

0 Horas

Andrés Felipe López López

Estudiante

0 Horas

 

TIPO DE CONVOCATORIA

2006. Cuarta Convocatoria

TIPO DE PROYECTO

Investigación Aplicada

OBJETIVO(S)

Desarrollar un modelo de caracterización de la variabilidad de la dinámica de comportamiento aleatorio temporal de las bioseñales, empleando modelos ocultos de Markov y modelos paramétricos de identificación, que brinde mayor información al especialista a objeto de mejorar el diagnóstico médico en la identificación automatizada de patologías asociadas con LPH (en el caso de voz) e IAM (en el caso de la actividad eléctrica del corazón).

RESUMEN

En los centres de atención primaria, los médicos realizan la percepción de normalidad y anormalidad de los sistemas orgánicos a través de instrumentos básicos (el electrocardiógrafo, por ejemplo), cuya interpretación se valora y analiza de forma subjetiva. Una forma de soportar esa decisión, consiste en el desarrollo de sistemas automatizados de identificación de patologías, en particular patologías de voz (hipernasalidad e hiponasalidad) y ECG (Infarto Agudo de Miocardio IAM). En el desarrollo de los sistemas en mención de soporte al diagnostico profesional, se han documentado diversas dificultades, entre otras, la variabilidad en el comportamiento estocástico de los registros, propia de la estructura de aleatoriedad en el tiempo en la mayoría de los rasgos con poder discriminante. Entre las alternativas de solución aparece el empleo de los procesos de Markov y los modelos paramétricos de identificación. El ajuste estadístico de los procesos de Markov es una pregunta abierta, en la medida en que existen diferentes técnicas de estimación, cuyo uso efectivo depende de la estructura y orientación de proceso de las señales. Igualmente, los parámetros de los modelos de identificación deben estimarse para el sistema específico debido a que dada la diversidad de señales biológicas, un modelo genérico puede no representar un gran número de señales. En consecuencia con lo anterior, se desarrollo un sistema que permite caracterizar la variabilidad de la dinámica temporal de las señales patológicas de ECG y voz, por medio de modelos ocultos de Markov y modelos parametricos de identificación orientado al apoyo diagnostico de las patologías mencionadas alcanzando porcentajes de acierto de hasta 85.0 % en la identificación de LPH sobre registros de voz y de hasta un 96.9 % en la identificación de IAM sobre registros de ECG. Aparece como resultado adicional dentro de este proyecto el análisis, caracterización e identificación de zonas cerebrales, sobre señales de micro electrodos de registro MER, alcanzando un porcentaje de acierto de 95.1%.

ESTADO

Concluido

FECHA DE INICIO

01/02/2007

FECHA DE FINALIZACION

01/02/2008

PRODUCTOS

NOMBRE
CATEGORÍA
ENLACE

Análisis de proximidad de modelos ocultos de Markov para la identificación de fuentes de espigas

Revista especializada

Analisis de reducción de ruido en señales provenientes de microelectrodos de registro

Revista especializada

Analisis de reducción de ruido en señales provenientes de microelectrodos de registro utilizando la transformada wavelet

Ponencia en evento especializado

Análisis de señales electrocardiográficas aplicando técnicas de dinámica no lineal

Ponencia en evento especializado

Caracaterización de señales no estacionarias empleando distribución wigner Ville en el reconocimiento de zonas cerebrales

Revista especializada

Caracterización acústica de bioseñales empleando transformadas tiempo frecuencia y modelado paramétrico

Maestría o Especialidad clínica

Caracterización de voz empleando análisis tiempo-frecuencia aplicada al reconocimiento de emociones

Pregrado

Caracterización dinámica de bioseñales utilizando superficies de ajuste

Ponencia en evento especializado

Caracterización dinámica de registros ECG para identificación de arritmias

Ponencia en evento especializado

Combinación de PPCA y HMM para la identificación de infarto agudo de miocardio

Revista especializada

Extracción de características en señales MER para el reconocimiento de zonas cerebrales

Ponencia en evento especializado

Hidden Markov Bayesian Principal Component Analysis

Ponencia en evento especializado

Identification of spike sources using proximity analysis through hidden markov models

Ponencia en evento especializado

Maximum likelihood for training hidden markov principal component analyzers

Ponencia en evento especializado

Myocardia ischemia detection using hidden Markov Principal Component Analysis

Ponencia en evento especializado

Probabilistic Kernel Principal Component Analysis through time

Ponencia en evento especializado

Reconocimiento de valvulopatias cardíacas en señales de fonocardiografía empleando la transformada gabor

Revista especializada

Reducción de dimensión de características empleando procesos markovianos aplicados al reconocimiento de disfunciones en bioseñales

Maestría o Especialidad clínica

Reducción de dimensionalidad de características dinámicas usando HMM y modelos de observación de variable latente

Ponencia en evento especializado

Reducción de espacios de entrenamiento dinámico en la identificación de disfonías

Ponencia en evento especializado

Reducción de espacios dinámicos de representación

Pregrado

Segmentación automática de señales provenientes de microelectrodos de registro utilizando la transformada wavelet estacionaria

Ponencia en evento especializado