UA-61751701-2

Aplicación de registro y reporte automático de parámetros fisiológicos para la trazabilidad psicofisiológica en personas post COVID-19
    • español
    • English
EscuelaIng
  • English 
    • español
    • English
  • Login
  • Inicio
  • Guías de Uso
    • Directrices
    • Procedimientos de Trabajo de Grado
    • Guía de Autoarchivo
    • Formato de Autorización para Publicación
  • Navegar
    • Comunidades
    • Autores
    • Títulos
    • Fechas
    • Materias
    • Tipo de Material
  • Investigadores
  • Organizaciones
  • Proyectos

Repositorio Digital

  • Comunities Comunities
  • Authors Authors
  • Titles Titles
  • Dates Dates
  • Subjects Subjects
  • Resource Type Resource Type
View Item 
  •   DSpace Home
  • 1- Tesis de Grado y Trabajos Dirigidos
  • B - Ingeniería Biomédica
  • BA - Trabajos Dirigidos de Biomédica
  • View Item
  •   DSpace Home
  • 1- Tesis de Grado y Trabajos Dirigidos
  • B - Ingeniería Biomédica
  • BA - Trabajos Dirigidos de Biomédica
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Cambiar vista

Browse

All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsResource TypeThis CollectionBy Issue DateAuthorsTitlesSubjectsResource Type

My Account

LoginRegister

Statistics

View Usage Statistics

Aplicación de registro y reporte automático de parámetros fisiológicos para la trazabilidad psicofisiológica en personas post COVID-19


Moreno Escobar, Juan Sebastián

Cifuentes García, Carlos Andrés

Trabajo de grado - Pregrado

2021

Colombia, Bogotá

Procesamiento de señalesBuscar en Repositorio UMECIT
SofwareBuscar en Repositorio UMECIT
PsicofisiologíaBuscar en Repositorio UMECIT
TrazabilidadBuscar en Repositorio UMECIT
Ingeniería BiomédicaBuscar en Repositorio UMECIT
Procesamiento de señalesBuscar en Repositorio UMECIT
COVID-19Buscar en Repositorio UMECIT
PsicofisiologíaBuscar en Repositorio UMECIT
SofwareBuscar en Repositorio UMECIT
Signal processingBuscar en Repositorio UMECIT
SoftwareBuscar en Repositorio UMECIT
COVID-19Buscar en Repositorio UMECIT
PsychophysiologyBuscar en Repositorio UMECIT

El presente trabajo hace parte de un proyecto general que busca desarrollar una hermaienta para identificar las secuelas neuropsicológicas y sobre el sistema nervioso autónomo en pacientes que se han recuperado de COVID-19. El objetivo del presente trabajo fue desarrollar una aplicación de escritorio que permita un seguimiento clínico instrumentado de las variables psicofisiológicas en múltiples pacientes. La aplicación se desarrolló en lenguaje Python 3.8, con base en los requerimientos acordados por los colaboradores del proyecto general. Se definieron 6 objetos, para procesar 7 bioseñales: electrocardiografía (ECG), respiración (RESP), actividad electrodérmica (EDA), temperatura (TEMP), espectroscopia en el infrarrojo cercano (fNIRS), fotopletismografía (PPG), y electromiografía (EMG). Para cada objeto se defieneron diferentes métodos con el fin de extraer características de relevancia psicofisiológica desde las señales: ECG (frecuencia cardiaca y variabilidad de la frecuencia cardiaca), RESP (frecuencia respiratoria), EDA (conductancia basal, amplitud, tiempo de elevación y tiempo de recuperación media), TEMP (máxima, media y mínima), fNIRS (saturación de oxígeno), PPG (frecuencia cardiaca y variabilidad de la frecuencia cardiaca) y EMG (media del valor RMS). Se desarrolló la interfaz de usuario con 3 ventanas: la ventana principal que permite registrar y visualizar los pacientes junto con sus datos, una ventana para adicionar medidas (adquisiciones de bioseñales, lecturas de signos vitales y pruebas psicológicas) sobre los pacientes, y una ventana para observar dichas medidas. Se validó la interfaz procesando las señales adquiridas de un voluntario sano, y particularmente se validó la detección de complejos QRS en el procesamiento de ECG, y la detección de respiraciones en el procesamiento de RESP. Se logró almacenar correctamente la información del voluntario y se extrajeron satisfactoriamente las características de las bioseñales adquiridas. Por otro lado, la detección de complejos QRS en ECG obtuvo una sensibilidad del 97.50 %, una precisión del 99.00 % y un valor-F1 del 98.24 % en la base de datos MIT/BIH Arrhythmia (n=109461 latidos). La detección de respiraciones obtuvo una sensibilidad del 94.78 %, precisión del 92.02 % y valor-F1 del 93.38 % en la base de datos BDIMC (n=7381 respiraciones)
 
The present work is part of an overall project to develop a tool to identify neuropsychological and autonomic nervous system sequelae in patients who have recovered from COVID-19. The objective of the present work was to develop a desktop application that allows clinically instrumented monitoring of psychophysiological variables in multiple patients. The application was developed in Python 3.8 language, based on the requirements agreed upon by the collaborators of the overall project. Six objects were defined to process seven biosignals: electrocardiography (ECG), respiration (RESP), electrodermal activity (EDA), temperature (TEMP), near-infrared spectroscopy (fNIRS), photoplethysmography (PPG), and electromyography (EMG). For each object, different methods were used to extract psychophysiologically relevant features from the signals: ECG (heart rate and heart rate variability), RESP (respiratory rate), EDA (basal conductance, amplitude, rise time and mean recovery time), TEMP (maximum, mean and minimum), fNIRS (oxygen saturation), PPG (heart rate and heart rate variability) and EMG (mean RMS value). The user interface was developed with 3 windows: the main window to register and visualize patients and their data, a window to add measurements (biosignal acquisitions, vital sign readings and psychological tests) on patients, and a window to observe these measurements. The interface was validated by processing the signals acquired from a healthy volunteer, and particularly validated the detection of QRS complexes in ECG processing, and the detection of respirations in RESP processing. The information from the volunteer was correctly stored and the characteristics of the acquired biosignals were successfully extracted. On the other hand, the detection of QRS complexes in ECG obtained a sensitivity of 97.50 %, an accuracy of 99.00 % and an F1-value of 98.24 % in the MIT/BIH Arrhythmia database (n=109461 beats). Breath detection obtained a sensitivity of 94.78 %, accuracy of 92.02 % and F1-value of 93.38 % in the BDIMC database (n=7381 breaths).
 

https://repositorio.escuelaing.edu.co/handle/001/1741

  • BA - Trabajos Dirigidos de Biomédica [187]

Descripción: Moreno Escobar, Juan Sebastián -2021.pdf
Título: Moreno Escobar, Juan Sebastián -2021.pdf
Tamaño: 1.540Mb

Unicordoba LogoPDFOpen AccessFLIPLEER EN FLIP

Descripción: Autorización.pdf
Título: Autorización.pdf
Tamaño: 819.4Kb

Unicordoba LogoPDFClosed Access

Show full item record

Cita

Cómo citar

Cómo citar

Miniatura

Thumbnail

Gestores Bibliográficos

Exportar a Bibtex

Exportar a RIS

Exportar a Excel

Buscar en google Schoolar

Buscar en microsoft academic

untranslated

Código QR

Envíos recientes

    No hay artículos recientes

Oferta académica

Carreras profesionales

Especializaciones

Maestrías

Doctorado

Nustros Campus

Introducción al campus

Tecnología

Fortalezas

Premios y reconocimientos

Flora y fauna

Visita el campus

Internacionalización

Programas y alianzas

Movilidad

Sobre la Escuela y Bogotá

Convenios internacionales, nacionales y con colegios

Ayuda

PQRSFC

Centro de Ayuda

Contáctenos

Habeas Data

Centro de Servicios Tecnológicos

Directorio Escuela

acriditación institucional
icoMaps

AK. 45 No. 205 - 59, Autopista Norte.

PBX: +57(1) 668 3600 - Bogotá.

Línea nacional gratuita:

018000112668.

Sistema DSPACE - Metabiblioteca | logo