Riunet Móvil

Home Versión de escritorio

Development of an Artificial Intelligence model for COVID-19 detection based on electrocardiogram features

Mostrar el registro sencillo del ítem

dc.contributor.advisor Sáez Silvestre, Carlos es_ES
dc.contributor.author Moltó Miró, Juan es_ES
dc.date.accessioned 2023-09-18T14:10:26Z
dc.date.available 2023-09-18T14:10:26Z
dc.date.created 2023-07-26
dc.date.issued 2023-09-18 es_ES
dc.identifier.uri http://hdl.handle.net/10251/196695
dc.description.abstract [ES] Los objetivos de este proyecto son dos. En primer lugar, identificar características morfológicas clave en las señales de electrocardiograma (ECG) de 12 derivaciones que puedan ayudar a identificar a los pacientes infectados por la enfermedad SARS-CoV-2 con mayor riesgo de mortalidad. En segundo lugar, desarrollar un modelo de aprendizaje automático que las utilice para la detección de la enfermedad por coronavirus 2019 (COVID-19). El desarrollo de este trabajo implica extraer características que representen las principales estructuras del ECG, como la onda P, el complejo QRS y la onda T. Para ello, se utilizan cajas de herramientas de libre acceso en MATLAB. Además, la limpieza, el preprocesamiento, la selección y el entrenamiento del modelo se llevan a cabo con Python. Utilizamos señales cortas de ECG de 12 derivaciones obtenidas de pacientes con COVID-19 en un hospital de la ciudad italiana de Cremona (Ospedale di Cremona). El modelo desarrollado permitirá la detección precoz del virus COVID-19 utilizando el procedimiento clínico no invasivo del ECG. es_ES
dc.description.abstract [EN] The objectives of this project are twofold. Firstly, to identify key morphological features in 12-lead electrocardiogram (ECG) signals that can help identify patients infected with the SARS-CoV-2 disease at higher risk of mortality. Secondly, to develop a machine learning model that utilizes these for Coronavirus Disease 2019 (COVID-19) detection. The development of this work involve extracting features that represent the main structures of the ECG, such as the P-wave, QRS-complex, and T-wave. Open-access toolboxes in MATLAB are used for this purpose. Furthermore, feature cleaning, preprocessing, selection, and model training are carried out using Python. We use short 12-lead ECG signals obtained from COVID-19 patients at a hospital in the Italian city of Cremona (Ospedale di Cremona). The developed model will allow early detection of the COVID-19 virus using the non-invasive clinical procedure of ECG. es_ES
dc.format.extent 57 es_ES
dc.language Inglés es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.rights Reserva de todos los derechos es_ES
dc.subject Electrocardiograma es_ES
dc.subject Características es_ES
dc.subject COVID-19 es_ES
dc.subject Detección es_ES
dc.subject Machine Learning es_ES
dc.subject Electrocardiogram es_ES
dc.subject Features es_ES
dc.subject Detection es_ES
dc.subject.classification FISICA APLICADA es_ES
dc.subject.other Grado en Ingeniería Biomédica-Grau en Enginyeria Biomèdica es_ES
dc.title Development of an Artificial Intelligence model for COVID-19 detection based on electrocardiogram features es_ES
dc.title.alternative Desarrollo de un modelo de Inteligencia Artificial para la detección de COVID-19 basado en características del electrocardiograma es_ES
dc.title.alternative Desenvolupament d'un model d'Intel·ligència Artificial per a la detecció de COVID-19 basat en característiques de l'electrocardiograma es_ES
dc.type Proyecto/Trabajo fin de carrera/grado es_ES
dc.rights.accessRights Abierto es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Física Aplicada - Departament de Física Aplicada es_ES
dc.contributor.affiliation Universitat Politècnica de València. Escuela Técnica Superior de Ingenieros Industriales - Escola Tècnica Superior d'Enginyers Industrials es_ES
dc.description.bibliographicCitation Moltó Miró, J. (2023). Development of an Artificial Intelligence model for COVID-19 detection based on electrocardiogram features. Universitat Politècnica de València. http://hdl.handle.net/10251/196695 es_ES
dc.description.accrualMethod TFGM es_ES
dc.relation.pasarela TFGM\159039 es_ES


Ficheros en el ítem

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

 

Tema móvil para Riunet