Uso de técnicas de aprendizaje profundo para la detección de eventos motores en registros polisomnográficos
![Thumbnail](/dspace/bitstream/handle/2183/35738/LlovesGarcia_Ines_TFG_2023_24.pdf.jpg?sequence=4&isAllowed=y)
Use este enlace para citar
http://hdl.handle.net/2183/35738Coleccións
Metadatos
Mostrar o rexistro completo do ítemTítulo
Uso de técnicas de aprendizaje profundo para la detección de eventos motores en registros polisomnográficosAutor(es)
Director(es)
Álvarez-Estévez, DiegoData
2023-11Centro/Dpto/Entidade
Universidade da Coruña. Facultade de InformáticaDescrición
Traballo fin de grao (UDC.FIC). Ciencia e Enxeñaría de Datos. Curso 2023/2024Resumo
[Resumen] Este proyecto se centra en el ámbito del diagnóstico médico, concretamente en el campo
de la medicina del sueño, que se ocupa del diagnóstico y tratamiento de los trastornos
relacionados con el sueño, conocidos como desórdenes del sueño.
El diagnóstico de estas patologías se lleva a cabo a través del análisis y etiquetado manual
de estudios polisomnográficos, que registran de varias señales electrofisiológicas y neumológicas
del paciente a lo largo de la noche. Este proceso implica el análisis de señales de gran duración,
es complejo, y demanda considerables recursos y tiempo por parte del experto clínico.
Se justifica así la construcción de sistemas computerizados y algoritmos de análisis automático
que reduzcan considerablemente el tiempo de análisis, y sirvan de apoyo al diagnóstico
y a la toma de decisiones.
El objetivo principal es emplear algoritmos de aprendizaje automático basados en técnicas
de aprendizaje profundo (Deep Learning) para la identificación y localización de eventos
fisiológicos en estos registros polisomnográficos. Concretamente, se busca localizar eventos
fisiológicos asociados con movimientos motores involuntarios en las extremidades, conocidos
como Limb Movements.
El propósito es facilitar en gran medida el trabajo de los especialistas en medicina del
sueño, reduciendo la carga de trabajo manual necesaria para el análisis de los estudios polisomnográficos,
minimizar posibles errores humanos y proporcionar repetibilidad y robustez. [Abstract] This project fits on the domain of medical diagnosis, specifically focuses on the field
of sleep medicine, which deals with the diagnosis and treatment of sleep-related disorders,
known as sleep disorders.
The diagnosis of these pathologies is carried out through the manual analysis and labeling
of polysomnographic studies, which record various electrophysiological and pneumological
signals of the patient throughout the night. This process involves the analysis of signals of
long duration, is complex, and demands considerable resources and time on the part of the
clinical expert. This justifies the construction of computerized systems and automatic analysis
algorithms that considerably reduce the analysis time, and serve as support for diagnosis and
decision-making.
The main objective is to use machine learning algorithms based on Deep Learning techniques
for the identification and location of physiological events in these polysomnographic
records. Specifically, it goal is to locate physiological events associated with involuntary motor
movements in the limbs, known as Limb Movements.
The purpose is to greatly facilitate the work of sleep medicine specialists, reducing the
manual workload necessary for the analysis of polysomnographic studies, minimizing possible
human errors and providing repeatability and robustness.
Palabras chave
Medicina del sueño
Desórdenes del sueño
Registros polisomnográficos
Movimientos motores involuntarios en las extremidades
Aprendizaje automático
Aprendizaje profundo
Sleep medicine
Sleep disorders
Polysomnographic records
Limb movements
Machine learning
Deep learning
Desórdenes del sueño
Registros polisomnográficos
Movimientos motores involuntarios en las extremidades
Aprendizaje automático
Aprendizaje profundo
Sleep medicine
Sleep disorders
Polysomnographic records
Limb movements
Machine learning
Deep learning