Clasificación de las etapas del sueño a partir de la variabilidad de la frecuencia cardíaca mediante SVM

Elvia Palacios; Martin, Oswaldo Mendez; Juha M. Kortelainen; Edgar Arce-Santana; Sergio Cerutti; Anna, M. Bianchi

Clasificación de las etapas del sueño a partir de la variabilidad de la frecuencia cardíaca mediante SVM

Elvia Palacios, Martin, Oswaldo Mendez, Juha M. Kortelainen, Edgar Arce-Santana, Sergio Cerutti, Anna, M. Bianchi

Research output: Contribution to conference › Conference article › Scientific

Abstract

Se considera el uso de las Maquinas de Soporte Vectorial (SVM) para la clasificación de la macroestructura del sueño (WAKE+NREM y REM). Los datos para la clasificación corresponden a 11 sujetos femeninos. La extracción de caracterí sticas de la señal de Variabilidad de la Frecuencia Card yaca (HRV) se realizó mediante el anal ísis del Modelo Autorregresivo Variante en el Tiempo (TVAM). Los resultados obtenidos son que las SVM tienen potencialidades para poder clasificar la macroestructura del sueño. En conclusión, el desarrollo de un algoritmo de clasificación automática de la matroestructura del sueño puede ser importante para poder reducir los costos y tiempo de la evaluación de la calidad del sueño dentro y fuera del hospital.

Original language	Spanish
Publication status	Published - 2010
MoE publication type	Not Eligible
Event	XIV Congreso Latinoamericano de automática, 24. - 27. August 2010, CENI, Campus universidad de Santiago de Chile - Duration: 1 Jan 2010 → …

Conference

Conference	XIV Congreso Latinoamericano de automática, 24. - 27. August 2010, CENI, Campus universidad de Santiago de Chile
Period	1/01/10 → …

Keywords

maquinas de vectores soporte
clasificación
variabilidad del ritmo cardiaco
macroestructura del sueño

Cite this

@conference{04f4a266e29546fd9eaf651dedcfca7c,

title = "Clasificaci{\'o}n de las etapas del sue{\~n}o a partir de la variabilidad de la frecuencia card{\'i}aca mediante SVM",

abstract = "Se considera el uso de las Maquinas de Soporte Vectorial (SVM) para la clasificaci{\'o}n de la macroestructura del sue{\~n}o (WAKE+NREM y REM). Los datos para la clasificaci{\'o}n corresponden a 11 sujetos femeninos. La extracci{\'o}n de caracter{\'i} sticas de la se{\~n}al de Variabilidad de la Frecuencia Card yaca (HRV) se realiz{\'o} mediante el anal {\'i}sis del Modelo Autorregresivo Variante en el Tiempo (TVAM). Los resultados obtenidos son que las SVM tienen potencialidades para poder clasificar la macroestructura del sue{\~n}o. En conclusi{\'o}n, el desarrollo de un algoritmo de clasificaci{\'o}n autom{\'a}tica de la matroestructura del sue{\~n}o puede ser importante para poder reducir los costos y tiempo de la evaluaci{\'o}n de la calidad del sue{\~n}o dentro y fuera del hospital.",

keywords = "maquinas de vectores soporte, clasificaci{\'o}n, variabilidad del ritmo cardiaco, macroestructura del sue{\~n}o",

author = "Elvia Palacios and Mendez, {Martin, Oswaldo} and Kortelainen, {Juha M.} and Edgar Arce-Santana and Sergio Cerutti and Bianchi, {Anna, M.}",

year = "2010",

language = "Spanish",

note = "XIV Congreso Latinoamericano de autom{\'a}tica, 24. - 27. August 2010, CENI, Campus universidad de Santiago de Chile ; Conference date: 01-01-2010",

}

Clasificación de las etapas del sueño a partir de la variabilidad de la frecuencia cardíaca mediante SVM. / Palacios, Elvia; Mendez, Martin, Oswaldo; Kortelainen, Juha M. et al.
2010. Paper presented at XIV Congreso Latinoamericano de automática, 24. - 27. August 2010, CENI, Campus universidad de Santiago de Chile.

Research output: Contribution to conference › Conference article › Scientific

TY - CONF

T1 - Clasificación de las etapas del sueño a partir de la variabilidad de la frecuencia cardíaca mediante SVM

AU - Palacios, Elvia

AU - Mendez, Martin, Oswaldo

AU - Kortelainen, Juha M.

AU - Arce-Santana, Edgar

AU - Cerutti, Sergio

AU - Bianchi, Anna, M.

PY - 2010

Y1 - 2010

N2 - Se considera el uso de las Maquinas de Soporte Vectorial (SVM) para la clasificación de la macroestructura del sueño (WAKE+NREM y REM). Los datos para la clasificación corresponden a 11 sujetos femeninos. La extracción de caracterí sticas de la señal de Variabilidad de la Frecuencia Card yaca (HRV) se realizó mediante el anal ísis del Modelo Autorregresivo Variante en el Tiempo (TVAM). Los resultados obtenidos son que las SVM tienen potencialidades para poder clasificar la macroestructura del sueño. En conclusión, el desarrollo de un algoritmo de clasificación automática de la matroestructura del sueño puede ser importante para poder reducir los costos y tiempo de la evaluación de la calidad del sueño dentro y fuera del hospital.

AB - Se considera el uso de las Maquinas de Soporte Vectorial (SVM) para la clasificación de la macroestructura del sueño (WAKE+NREM y REM). Los datos para la clasificación corresponden a 11 sujetos femeninos. La extracción de caracterí sticas de la señal de Variabilidad de la Frecuencia Card yaca (HRV) se realizó mediante el anal ísis del Modelo Autorregresivo Variante en el Tiempo (TVAM). Los resultados obtenidos son que las SVM tienen potencialidades para poder clasificar la macroestructura del sueño. En conclusión, el desarrollo de un algoritmo de clasificación automática de la matroestructura del sueño puede ser importante para poder reducir los costos y tiempo de la evaluación de la calidad del sueño dentro y fuera del hospital.

KW - maquinas de vectores soporte

KW - clasificación

KW - variabilidad del ritmo cardiaco

KW - macroestructura del sueño

M3 - Conference article

T2 - XIV Congreso Latinoamericano de automática, 24. - 27. August 2010, CENI, Campus universidad de Santiago de Chile

Y2 - 1 January 2010

ER -