Show simple item record

dc.contributor.advisorFonseca Velásquez, Aldemarspa
dc.creatorVanegas Herrera, Mauriciospa
dc.creatorBeltrán Montealegre, Guillermospa
dc.date.accessioned2022-05-06T15:17:24Z
dc.date.available2022-05-06T15:17:24Z
dc.date.created2021-06-24spa
dc.identifier.urihttp://hdl.handle.net/11349/29001
dc.descriptionLa salud es uno de los elementos más relevantes para el desarrollo de una vida de calidad, estar sano debería formar parte del estilo de vida en general y es por eso que uno de los Objetivos de Desarrollo Sostenible (ODS) es garantizar una vida sana y promover el bienestar para todos en todas las edades. El diagnóstico de enfermedades es un proceso inferencial, inicia con la anamnesis para obtener un cuadro clínico, destinado a definir la posible enfermedad, esto hace que sea una tarea compleja, en las enfermedades respiratorias se tienen como herramienta la auscultación que depende en gran medida de la experiencia y formación acústica que se limita a un juicio subjetivo de los médicos o exámenes con herramientas sofisticadas y costosas como la radiografía de tórax. Este trabajo presenta un enfoque para realizar la clasificación de sonidos respiratorios mediante modelos de Aprendizaje Profundo (Deep Learning) que extraigan características importantes a partir de espectrogramas de una señal de audio que podrían ayudar a los médicos a reconocer sonidos pulmonares anormales lo cual hace que el diagnóstico sea más económico y accesible.spa
dc.description.abstractHealth is one of the most relevant elements for the development of quality life, being healthy should be part of the overall lifestyle and that is why one of the Sustainable Development Goals (SDGs) is to ensure healthy lives and promote wellbeing for all at all ages. The diagnosis of diseases is an inferential process, it starts with the anamnesis to obtain a clinical picture, aimed at defining the possible disease, this makes it a complex task, in respiratory diseases have as tool auscultation that depends largely on the experience and acoustic training that is limited to a subjective judgment of physicians or examinations with sophisticated and expensive tools such as chest X-ray. This paper presents an approach to perform breath sound classification using Deep Learning models that extract important features from spectrograms of an audio signal that could help physicians recognize abnormal lung sounds making diagnosis more affordable and accessible.spa
dc.format.mimetypepdfspa
dc.language.isospaspa
dc.rightsAtribución-NoComercial-SinDerivadas 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nd/4.0/*
dc.subjectDiagnósticospa
dc.subjectAuscultaciónspa
dc.subjectRedes neuronales convolucionalesspa
dc.subjectDeep learningspa
dc.titleEntrenamiento de una red neuronal convolucional por transferencia de conocimiento para la clasificación de sonidos respiratoriosspa
dc.subject.lembIngeniería en Control - Tesis y disertaciones académicasspa
dc.subject.lembProcesamiento digital de imágenesspa
dc.subject.lembRedes de neuronas artificialesspa
dc.subject.lembTransferencia de conocimientospa
dc.subject.lembRonquidospa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.title.titleenglishTraining a convolutional neural network by transfer learning for respiratory sound classificationspa
dc.subject.keywordDiagnosisspa
dc.subject.keywordAuscultationspa
dc.subject.keywordConvolutional neural networkspa
dc.subject.keywordDeep learningspa
dc.type.degreeMonografíaspa
dc.rights.accesoAbierto (Texto Completo)spa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 4.0 Internacional
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 4.0 Internacional