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

Descargar (1.157Mb)

Molto - Develop...a....pdf

PDF

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

• ETSII - Trabajos académicos [10404]
  Escuela Técnica Superior de Ingenieros Industriales
• Colección especial COVID-19 [250]
  

Mostrar el registro sencillo del ítem