Modelo de inteligencia artificial para la estimación del intervalo RR y QT a partir de una imagen de un ECG de 12 derivaciones

Ladino Cortes, Andrés; Ortiz Reina, Jenny

Modelo de inteligencia artificial para la estimación del intervalo RR y QT a partir de una imagen de un ECG de 12 derivaciones

dc.contributor.advisor	Flórez Valencia, Leonardo	spa
dc.contributor.author	Ladino Cortes, Andrés	spa
dc.contributor.author	Ortiz Reina, Jenny	spa
dc.contributor.evaluator	Moreno Barbosa, Andrés Dario	spa
dc.contributor.evaluator	Corredor Franco, John Jairo	spa
dc.date.accessioned	2023-08-04T14:24:01Z
dc.date.available	2023-08-04T14:24:01Z
dc.date.created	2023-07-24	spa
dc.description.abstract	La medición del intervalo QT en cardiología, se usa como índice en la detección de arritmias ventriculares o como estimador del efecto de fármacos en tratamientos contra el cáncer. Esta medición tiene un comportamiento diferente en frecuencias cardiacas extremas (altas o bajas), por lo que es necesario realizar una corrección al QT (QTc). Existen diferentes fórmulas de corrección, cada una útil en tipos de patologías diferentes. La mayoría de los electrocardiógrafos vienen configurados para imprimir el resultado del ECG con la fórmula de corrección de Bazett, lo que obliga a los profesionales de salud en caso de requerir una fórmula diferente, a realizar el cálculo manualmente, siendo esto, susceptible a errores. Dado el contexto anterior, se plantea un modelo de inteligencia artificial capaz de extraer las características latentes de la señal presente en una fotografía de las derivaciones 2 y 5 de un electrocardiograma convencional, para así, estimar a través de un algoritmo de aprendizaje profundo los dos parámetros de cálculo para la corrección del QT; el intervalo RR y el QT. Se utilizó una muestra de 800 imágenes de 400 pacientes con ECG de diversas características. Los resultados arrojados en los más de 50 experimentos nos muestran un error cuadrático medio de 250 ms para el algoritmo de QT y 54 ms para el RR. Si bien los resultados en términos de métricas de desempeño mostraron una solución razonable por parte del modelo, no podemos afirmar que sea una estimación óptima para su aplicación en un entorno clínico.	spa
dc.description.abstractenglish	The measurement of the QT interval in cardiology is used as an index in the detection of ventricular arrhythmias or as an estimator of the effect of drugs in cancer treatments. This measurement has a different behavior in extreme heart rates (high or low), so it is necessary to make a correction to the QT (QTc). There are different correction formulas, each useful in different types of pathologies. Most electrocardiographs are configured to print the ECG result with the Bazett correction formula, which forces health professionals, in case a different formula is required, to perform the calculation manually, being this, susceptible to errors. Given the above context, we propose an artificial intelligence model capable of extracting the latent characteristics of the signal present in a photograph of leads 2 and 5 of a conventional electrocardiogram, to estimate through a deep learning algorithm, the two calculation parameters for QT correction: the RR interval and the QT. A sample of 800 images from 400 patients with ECGs of various characteristics was used. The results from more than 50 experiments show a mean square error of 250 ms for the QT algorithm and 54 ms for the RR While the performance metrics showed a reasonable solution from the model, we cannot assert that it is an optimal estimation for clinical application.	spa
dc.description.cvlac	1018465695	spa
dc.description.degreelevel	Maestría
dc.description.degreename	Magíster en Inteligencia Artificial
dc.description.googlescholar	Andrés Felipe Ladino Cortés	spa
dc.format	PDF
dc.format.mimetype	application/pdf
dc.identifier.instname	instname:Pontificia Universidad Javeriana
dc.identifier.reponame	reponame:Repositorio Institucional - Pontificia Universidad Javeriana
dc.identifier.repourl	repourl:https://repository.javeriana.edu.co
dc.identifier.uri	http://hdl.handle.net/10554/65131
dc.language.iso	spa
dc.publisher	Pontificia Universidad Javeriana
dc.publisher.faculty	Facultad de Ingeniería
dc.publisher.program	Maestría en Inteligencia Artificial
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	info:eu-repo/semantics/openAccess
dc.rights.licence	Atribución-NoComercial-SinDerivadas 4.0 Internacional
dc.rights.local	De acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, "Los derechos morales sobre el trabajo son propiedad de los autores", los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Inteligencia artificial
dc.subject	Aprendizaje profundo
dc.subject	Optimización de Bayes
dc.subject	Procesamiento de imágenes
dc.subject	Electrocardiograma
dc.subject.armarc	Maestría en inteligencia artificial - Tesis y disertaciones académicas
dc.subject.armarc	Inteligencia artificial	spa
dc.subject.armarc	Procesamiento de imágenes	spa
dc.subject.keyword	Artificial Intelligence
dc.subject.keyword	Deep learning
dc.subject.keyword	Bayes optimization
dc.subject.keyword	Image processing
dc.subject.keyword	Electrocardiogram
dc.title	Modelo de inteligencia artificial para la estimación del intervalo RR y QT a partir de una imagen de un ECG de 12 derivaciones	spa
dc.title.english	Artificial intelligence model for RR and QT interval estimation from a 12-lead ECG image	spa
dc.type.coar	http://purl.org/coar/resource_type/c_bdcc
dc.type.driver	info:eu-repo/semantics/masterThesis
dc.type.hasversion	http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.local	Tesis/Trabajo de grado - Monografía - Maestría