Uso de técnicas de aprendizaje automático no supervisado para la caracterización de señales médicas en registros polisomnográficos
Title
Uso de técnicas de aprendizaje automático no supervisado para la caracterización de señales médicas en registros polisomnográficosAuthor(s)
Directors
Álvarez-Estévez, DiegoDate
2023Center/Dept./Entity
Universidade da Coruña. Facultade de InformáticaDescription
Traballo fin de grao (UDC.FIC). Ciencia e enxeñaría de datos. Curso 2022/2023Abstract
[Resumen]: Este proyecto aborda, desde una perspectiva de investigación, la aplicación de métodos enmarcados
en el aprendizaje automático no supervisado para la caracterización de señales que
registran la actividad de las piernas durante una polisomnografia (estudio del sueño), con el
propósito de identificar las diferentes tipologias de eventos de interés médico ocurridos en
estas señales, para la elaboración de un atlas de los diferentes tipos de eventos y para la generación
de conocimiento médico por medio de la asociación de variables de interés clínico a
los diferentes grupos de eventos. [Abstract]: This proyect addresses, from a research perspective, the application of unsupervised machine
learning methods is sought for the characterization of signals that register the activity
of the leg muscles during a polysomnography (sleep study), to identify the different types of
events of medical interest that were present in this signals, with the purpose of developing an
atlas containing the different types of events, and to generate medical knowledge through the
association of the different types of events in this signals with variables of clinical interest.
Keywords
Medicina del sueño
Movimiento de piernas
Aprendizaje no supervisado
Clustering de series temporales
Sleep medicine
Leg movement
Unsupervised machine learning
Clustering
Time series clustering
Movimiento de piernas
Aprendizaje no supervisado
Clustering de series temporales
Sleep medicine
Leg movement
Unsupervised machine learning
Clustering
Time series clustering
Rights
Atribución 3.0 España