Investigación y desarrollo de técnicas de procesado de señal e inteligencia artificial aplicadas a la recuperación de información biomédica a partir del análisis de señales sonoras respiratorias

  1. MANG, LOREDANA DARIA
Dirigida por:
  1. Francisco Jesús Cañadas Quesada Director
  2. Julio Jose Carabias Orti Codirector/a

Universidad de defensa: Universidad de Jaén

Fecha de defensa: 22 de marzo de 2024

Tribunal:
  1. Isabel Barbancho Pérez Presidente/a
  2. Raúl Mata Campos Secretario
  3. David Díaz-Guerra Aparicio Vocal

Tipo: Tesis

Teseo: 838880 DIALNET lock_openRUJA editor

Resumen

Las enfermedades pulmonares obstructivas representan un desafío global para la salud, causando una alta morbilidad, mortalidad y carga económica. La auscultación, método principal de evaluación respiratoria, es subjetiva, provocando diagnósticos erróneos y aumentando los costos sanitarios. Esta investigación se centra en mejorar la detección temprana mediante un enfoque de tres fases. En primer lugar, un método que combina características espectrales basadas en autoregresión y una Máquina de Vectores de Soporte detecta eventos de crepitación con una precisión del 80-100%. En segundo lugar, un cocleograma, que modela la selectividad de frecuencia del oído humano, supera otras representaciones tiempo-frecuencia, logrando un 85.1% de precisión en sibilancias y 73.8% en crepitaciones utilizando Redes Neuronales Convolucionales. Por último, la arquitectura Vision Transformer, combinada con el cocleograma, muestra promesa en la clasificación de sonidos respiratorios. A pesar de los desafíos en las bases de datos estandarizadas, las evaluaciones en el conjunto de datos ICBHI demuestran la efectividad de la metodología propuesta. Esta investigación contribuye al avance del procesamiento de señales y la inteligencia artificial, con el objetivo de mejorar la rapidez y precisión en la detección de enfermedades respiratorias, una necesidad crucial en la atención sanitaria global.