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-P1: Sesión de pósteres I Lugar: Zona pósteres P1: Sesión de pósteres I | |
    | |
Extracción de características de ECG basada en wavelets para la detección de Hipertrofia Ventricular Izquierda mediante redes neuronales 1: Tecnológico de Monterrey, School of Engineering and Sciences, Calle del Puente 222, Tlalpan 14380, Mexico City, Mexico.; 2: Tecnológico de Monterrey, Institute of Advanced Materials for Sustainable Manufacturing, Calle del Puente 222, Tlalpan 14380, Mexico City, Mexico.; 3: Tecnológico de Monterrey, Institute of Advanced Materials for Sustainable Manufacturing, Av. Gral Ramón Corona 2514, Zapopan 45201, Jalisco, Mexico. La Hipertrofia Ventricular Izquierda (HVI), es una enfermedad cardiovascular, las cuales son la principal causa de muertes a nivel mundial (17.9 millones cada año). Comúnmente asociada a la hipertensión, responsable a su vez por el 13% de muertes globales, de acuerdo con la Organización Mundial de la Salud. Este estudio propone un algoritmo de prediagnóstico de HVI mediante aprendizaje automático y señales de electrocardiografía (ECG), utilizando la Transformada Wavelet Discreta (TWD) para filtrar, segmentar y extraer características relevantes. Con estos datos y variables antropométricas, se entrenó una red neuronal artificial, que logró un 88.15% de exactitud, 85.14% de sensibilidad, 91.16% de especificidad, 90.60% de precisión y 87.70% de F1-score, superando significativamente métodos clínicos tradicionales (i.e., Sokolow-Lyon y Cornell: 19-25% de sensibilidad). El modelo mejora trabajos previos y ofrece una herramienta escalable para entornos con recursos limitados.
| |