Noticias

Investigación - Lunes, Septiembre 21, 2020

Artículo de investigación desarrollado por estudiantes y egresados de Unicauca fue presentado en evento del MIT

El trabajo propone una solución mediante el uso de técnicas de deep learning y análisis de señales de electrocardiograma (ECG) para permitir la identificación de nueve diferentes tipos de arritmias del corazón.

El artículo de investigación "ECG Arrhythmia Classification using Non-linear Features and Convolutional Neural Networks", desarrollado por los miembros AESS Unicauca y egresados de los programas Ingeniería de Sistemas, y Electrónica y Telecomunicaciones de la Universidad del Cauca, fue aceptado por el Challenge 2020 PhysioNet/Computing in Cardiology organizado por el laboratorio de fisiología computacional del Instituto Técnico de Massatuchsets MIT.  

El trabajo fue presentado bajo la modalidad de poster en la conferencia Cinc, realizado en Rímini (Italia) del 13 al 16 de septiembre del presente año y será publicado en la revista IEEE Xplore dentro de los Procedings del Cinc.

El artículo de investigación fue desarrollado por los egresados Sebastián Andrés Cajas Ordóñez, Pedro Alejandro Astaíza, Santiago García Chicangana, el estudiante de último semestre de Ingeniería Electrónica y Telecomunicaciones, Camilo Segura, y Diego López, Phd en Ciencias Biomédicas de la Universidad de Regensburgo y profesor del Departamento de Telemática de la Universidad del Cauca.

“El objetivo del trabajo fue proponer una solución que mediante el uso de técnicas de deep learning y análisis de señales de Electrocardiograma (ECG) permitiera la identificación de nueve diferentes tipos de arritmias del corazón, según el reto organizado por Physionet - Computing in Cardiology Challenge 2020, a cargo del laboratorio para fisiología computacional del Instituto Técnico de Massachusets MIT”, manifestó el Ingeniero Sebastián Andrés Cajas Ordoñez.

Este importante evento se realiza anualmente y reúne a diferentes participantes de la academia e industria, los cuales son retados a diseñar e implementar algoritmos de código abierto que funcionen y que puedan, basándose únicamente en los datos clínicos proporcionados, identificar automáticamente la anomalía cardíaca o las anomalías presentes en cada registro de ECG de 12 derivaciones.

Los datos para este desafío provienen de múltiples fuentes: Universidad del Sudeste, China, incluyendo los datos del Reto de Señales Fisiológicas de China 2018, Instituto de Técnicas Cardiológicas de San Petersburgo, San Petersburgo (Rusia); Physikalisch Technische Bundesanstalt, Brunswick, (Alemania); Georgia 12-Lead ECG Challenge Database y Emory University, Atlanta, Georgia Estados Unidos).
 
Mayores informes
 
Sebastián Andrés Cajas Ordoñez
Correo electrónico: ulsordonez@unicauca.edu.co