Los sonidos respiratorios (SR) son producidos durante la respiración y se clasifican de acuerdo a sus características acústicas en sonidos respiratorios normales o ventilatorios y en sonidos adventicios (agregados o superpuestos a los sonidos normales). Un tipo particular de sonidos adventicios son las crepitancias, las cuales tradicionalmente se clasifican según sus características temporales en finas (corta duración) y gruesas (larga duración). Características de las crepitancias tales como la morfología, el tipo, la cantidad y el tiempo de aparición en las fases respiratorias, están relacionadas con el tipo de padecimiento respiratorio y sus niveles de severidad. Una técnica ampliamente utilizada en el diagnóstico de las enfermedades respiratorias es la auscultación pulmonar mediante el estetoscopio mecánico. Sin embargo, la identificación auditiva de crepitancias resulta complicada debido a que son de muy corta duración (<20 ms) frecuentemente de baja intensidad, además resulta difícil escuchar sonidos cortos separados unos de otros en intervalos muy pequeños, todo esto aunado a las limitaciones inherentes a esta técnica, e.g. su carácter experto-dependiente, dada su dependencia en la habilidad y experiencia del médico. Afortunadamente, algunas de las limitaciones de la auscultación en la detección de crepitantes pueden superarse empleado sistemas computarizados. Además, las nuevas tecnologías móviles pueden mantener las características no invasivas, de movilidad y facilidad de uso de la técnica de auscultación y, a la par, permitir el análisis cuantitativo de los SR. Por lo anterior, en esta tesis se propone un sistema mHealth o de salud móvil para la adquisición de SR y detección automática de los estertores crepitantes, compuesto por un sensor acústico, un smartphone y una aplicación móvil (app) implementada en Android. La app propuesta permite al médico registrar, almacenar, reproducir y analizar los SR directamente en el smartphone. El algoritmo de detección automática de crepitancias implementado en la app se basa en el modelo autorregresivo variante en el tiempo (Time Variant Autoregressive, TVAR), donde el comportamiento no-estacionario de las crepitancias provoca cambios abruptos en los coeficientes del modelo TVAR en comparación con el sonido pulmonar de base. Además de la detección y conteo automáticos de las crepitancias, el algoritmo proporciona sus posiciones temporales iniciales y los resultados se resumen en términos de la ocurrencia de las crepitancias dentro del ciclo respiratorio. El rendimiento del detector automático se evaluó utilizando: 1) distintos escenarios de simulación (ES) formados a partir de crepitancias simuladas finas, gruesas y combinadas, con diferentes relaciones señal a ruido, insertadas aleatoriamente en los sonidos pulmonares adquiridos de sujetos sanos; y 2) señales reales adquiridas con el smartphone a pie de cama de pacientes con Neumopatías Intersticiales Difusas (NID). La estimación de las posiciones temporales iniciales para la totalidad de los ES presentó en promedio una sensibilidad de 91.21 9.94%, un valor predictivo positivo de 90.72 5.91% y una especificidad de 99.84 0.10%. Los resultados de las estimaciones de las posiciones de las crepitancias insertadas fue consistente para los distintos ES y el error promedio de la distancia entre las posiciones de las crepitancias insertadas y las posiciones estimadas que se encontró para todos los ES fue de 0.18 0.04 ms. La detección de las crepitancias gruesas en los ES resultó ser más problemática que la detección de las crepitancias finas. En el caso de los datos reales, los resultados mostraron la factibilidad de utilizar el sistema mHealth propuesto en entornos clínicos no controlados para ayudar al médico en la evaluación del estado pulmonar de un paciente. Por último es importante aclarar que el proceso de desarrollo de software de la aplicación es un tema que quedó fuera del alcance de esta tesis.
Relationships
Descriptions
| Attribute Name | Values |
|---|
| Creador |
|
|---|
| Contributors |
|
|---|
| Tema |
|
|---|
| Editor |
|
|---|
| Idioma |
|
|---|
| Identificador |
|
|---|
| Keyword |
|
|---|
| Año de publicación |
|
|---|
| Tipo de Recurso |
|
|---|
| Derechos |
|
|---|
| División académica |
|
|---|
| Línea académica |
|
|---|
| Licencia |
|
|---|
