Show simple item record

dc.contributor.advisorSalcedo Parra, Octavio José
dc.creatorNaranjo Oyola, Gustavo Andrés
dc.creatorToro Tobar, Daniel Alejandro
dc.date.accessioned2022-06-14T16:50:30Z
dc.date.available2022-06-14T16:50:30Z
dc.date.created2022-02-22
dc.identifier.urihttp://hdl.handle.net/11349/29364
dc.descriptionLa epilepsia es una enfermedad que, a fecha de 2019, afectaba cerca de 50 millones de personas en todo el mundo, por lo que la convierte en uno de los trastornos neurológicos más comunes. Esta es la razón que hace que trabajar en proyectos que traigan beneficios sobre este trastorno tenga un gran impacto. Hoy en día hay muchas herramientas tecnológicas y computacionales que se pueden usar en pro de mitigar los impactos que tienen enfermedades como la epilepsia. Una de esas herramientas es el Aprendizaje Automático, que, a partir de datos, permite la construcción de modelos para detectar o incluso predecir ataques de epilepsia. El objetivo de este trabajo es la construcción de un modelo que permita detectar ataques de epilepsia a partir de las señales arrojadas por un electroencefalograma (EEG). Para la implementación de dicho modelo se diseñará una arquitectura de software que permita recibir las señales de un EEG, clasificarlas en el modelo y devolver una respuesta con dicha clasificación. Esta respuesta puede ser interpretada por cualquier dispositivo IoT que esté conectado a internet y tenga acceso al servicio de clasificación.spa
dc.description.abstractEpilepsy is a disease that, as of 2019, affected about 50 million people worldwide, making it one of the most common neurological disorders. This is the reason that working on projects that bring benefits on this disorder have a great impact. Today there are many technological and computational tools that can be used to mitigate the impacts of diseases such as epilepsy. One of those tools is Machine Learning, which, from data, allows the construction of models to detect or even predict epilepsy attacks. The objective of this work is the construction of a model that allows the detection of epilepsy seizures from the signals thrown by an electroencephalogram (EEG). For the implementation of this model, a software architecture will be designed that allows the reception of signals from EEG, classify them in the model and return a response with said classification. This response can be interpreted by any IoT device that is connected to the internet and has access to the classification servicespa
dc.format.mimetypepdfspa
dc.language.isospaspa
dc.rightsCC0 1.0 Universal*
dc.rights.urihttp://creativecommons.org/publicdomain/zero/1.0/*
dc.subjectAtaque epilepticospa
dc.subjectalgoritmospa
dc.subjectAprendizaje automáticospa
dc.subjectTécnicas de clasificaciónspa
dc.subjectEpilepsiaspa
dc.subjectEEGspa
dc.titleImplementación de aprendizaje automático en un modelo arquitectónico de software para la detección de convulsiones en pacientes con epilepsiaspa
dc.subject.lembIngeniería de Sistemas - Tesis y disertaciones académicasspa
dc.subject.lembAprendizaje automático (Inteligencia artificial)spa
dc.subject.lembRedes neurales (Informática)spa
dc.subject.lembDiseño arquitectónico con ayuda de computadorspa
dc.subject.lembConvulsiones - Tratamientospa
dc.subject.lembEpilepsia - Tratamientospa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.title.titleenglishImplementation of machine learning in a software architectural model for the detection of seizures in patients with epilepsyspa
dc.subject.keywordEpileptic seizurespa
dc.subject.keywordAlgorithmspa
dc.subject.keywordMachine learningspa
dc.subject.keywordClassification Techniquesspa
dc.subject.keywordEpilepsyspa
dc.subject.keywordEEGspa
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

This item appears in the following Collection(s)

Show simple item record

CC0 1.0 Universal
Except where otherwise noted, this item's license is described as CC0 1.0 Universal