Programa del congreso
Resúmenes y datos de las sesiones para este congreso. Seleccione una fecha o ubicación para mostrar solo las sesiones en ese día o ubicación. Seleccione una sola sesión para obtener una vista detallada (con resúmenes y descargas, si están disponibles).
|
Resumen diario |
| Sesión | |
|
Mi-S3.2-ApPSB: Aprendizaje automático en procesado de señales biomédicas Lugar: Aula 0.01 Presidente de la sesión: Raquel Bailón Luesma Presidente de la sesión: Daniel Sánchez Morillo | |
    | |
17:00 - 17:15
Clasificación Automática de Señales Deglutorias Utilizando Machine Learning 1: Escuela de Informática, Facultad de Ingeniería, Universidad Tecnológica Metropolitana, Santiago, Chile; 2: Departamento de Informática y Computación, Facultad de Ingeniería, Universidad Tecnológica Metropolitana, Santiago, Chile; 3: Instituto de Electricidad y Electrónica, Facultad de Ciencias de la Ingeniería, Universidad Austral de Chile, Chile; 4: Clínica Los Coihues y TrainFES Rehab Center, Santiago, Chile; 5: Sección de Fonoaudiología y Psicología de Rehabilitación, Departamento de Rehabilitación, Hospital del Trabajador-ACHS Salud, Chile.; 6: Departamento de Fonoaudiología, Facultad de Medicina, Universidad de Chile, Santiago, Chile Los trastornos de la deglución representan un problema clínico de alta relevancia por su impacto en la calidad de vida y el riesgo de aspiración que puede comprometer la función respiratoria. Actualmente, las técnicas de referencia para su diagnóstico son la videofluoroscopia (VFSS). Si bien ambas aportan información detallada, son procedimientos invasivos, costosos y de acceso limitado, lo que dificulta su uso rutinario. En este escenario, surgen nuevas alternativas basadas en el análisis de señales acústicas cervicales como métodos no invasivos, seguros y escalables para la práctica clínica. Este estudio presenta una red neuronal convolucional bidimensional (CNN-2D) para la clasificación automática de señales acústicas deglutorias, con el objetivo de distinguir entre sujetos sanos y pacientes con patología que compromete la vía aérea durante la deglución. Los datos fueron adquiridos en el Hospital del Trabajador-ACHS a partir de 20 participantes (10 sanos y 10 con patología), utilizando un equipo diseñado específicamente para la adquisición de señales acústicas cervicales. Los resultados muestran una precisión general del 87.5%, con sensibilidad del 92.9% para casos sanos y 83.3% para pacientes con patología. Estos hallazgos evidencian la capacidad del modelo para generalizar con un conjunto limitado de datos y plantean las bases para el desarrollo de sistemas automatizados de diagnóstico no invasivo de trastornos deglutorios con potencial aplicación clínica. Estos resultados nos permiten inferir que el uso de este tipo de dispositivos puede ser una alternativa para pacientes que no les es posible realizarse una VFSS, como es el caso de las mujeres embarazadas.
| |