Detección de errores en la medición de espectroscopía de impedancia tisular gástrica Público Deposited
En el Centro de Investigación en Imagenología e Instrumentación Médica de la UAMI se diseñó un nuevo sistema mínimamente invasivo para el monitoreo clínico de pacientes en estado crítico, que mide las características bioeléctricas (amplitud, fase, resistencia y reactancia) de la mucosa gástrica mediante la técnica de espectrometría de impedancia, para determinar el daño causado por isquemia. Durante la validación del sistema se detectó que un60 % de las mediciones tuvieron error es por factores inherentes al ámbito clínico. La utilidad de la medición de la impedancia gástrica está en observar el comportamiento continuo de la variable, por lo que es importante evitar la pérdida de mediciones. A través de la identificación de los errores en tiempo real, el monitor podría enviar mensajes de aviso al personal de la terapia intensiva para tomar acciones inmediatas y recuperar la medición. La fase experimental de este trabajo es parte de la etapa de validación del desarrollo del Espectrómetro de Impedancia Tisular Gástrico. La contribución de esta tesis fue desarrollar un algoritmo que detecta errores por: mala conexión, mala posición o mal contacto de la sonda, en la medición de la impedancia gástrica, para su implementación en la clínica. Se parte de una base de espectros de un estudio multi céntrico, la cual fue preclasificada por personal experto con base a evidencia clínica de 20908 registros x 92 mediciones espectrales y priorizada por tipo de error. La base de datos fue redimensionada dividiendo el rango espectral en cuatro bandas obteniendo de cada una su media y desviación estándar en amplitud, fase, resistencia y reactancia. Para la implementación del algoritmo de detección de errores se realizó un análisis de conglomerados por el método de K-medias para observar el comportamiento de la distribución natural de los datos y para determinar el número de clases se utilizó el valor promedio de la gráfica de silueta. Como resultado de lo anterior se obtuvo una nueva base de datos redimensionada y reclasificada, a partir de la cual se realizó la selección de características a través del algoritmo SFS (Sequential Forward Selection). Con las mejores características se diseñaron los clasificadores ocupando MSV (Máquinas de Soporte Vectorial) y éstos fueron evaluados con medidas de desempeño. En cada clasificador se obtiene una tasa de aciertos mayor al 95 % y un área bajo la curva ROC (Az) de 0.99. Se realizó una prueba retrospectiva con dos bases de datos de espectros buenos clasificados por personal experto, no usados para el entrenamiento de los clasificadores, obteniendo una tasa de error de 2.3 % y 8.4 % respectivamente.
Relaciones
| En Conjunto Administrativo: |
|---|
Descripciones
| Nombre del atributo | Valores |
|---|---|
| Creador | |
| Colaboradores | |
| Tema | |
| Editor | |
| Idioma | |
| Identificador | |
| Palabra Clave | |
| Año de publicación |
|
| Tipo de Recurso | |
| Derechos | |
| División académica | |
| Línea académica | |
| Licencia |
