Buscar en Google Scholar
Título: Approximate entropy and densely connected neural network in the early diagnostic of patients with chagas disease
Asesor(es): Vizcardo Cornejo, Miguel Angel
Campo OCDE: https://purl.org/pe-repo/ocde/ford#3.03.02
Fecha de publicación: 2023
Institución: Universidad Nacional de San Agustín de Arequipa
Resumen: Se estima que en el mundo hay entre 6 y 8 millones de personas infectadas con la enfermedad de Chagas, principalmente en áreas endémicas de 21 países de América Latina, y en los últimos años se está convirtiendo lentamente en un problema de salud en más áreas urbanas y países. En ese sentido, desarrollar métodos de diagnóstico es primordial. Es por ello que este trabajo utilizó una red neuronal profunda para clasificar 292 sujetos (voluntarios y pacientes) compuestos de 83 voluntarios sanos (Grupo Control); 102 pacientes chagásicos asintomáticos (Grupo CH1) y 107 pacientes chagásicos seropositivos con cardiopatía incipiente (Grupo CH2). La Entropía Aproximada ApEn fue calculada a partir de los tacogramas de los perfiles circadianos de 24 horas cada 5 minutos (288 marcos) de cada sujeto, y parte de estos datos fueron usados para entrenar la red. El trabajo de clasificación realizado por la red neuronal profunda tuvo un 98% de exactitud y un 98% de precisión, validado con la curva ROC, cuyos valores de AUC fueron aproximadamente la unidad para cada grupo. Teniendo en cuenta el buen desempeño, podemos considerar esta red neuronal profunda y la Entropía Aproximada como herramientas útiles para tener un buen diagnóstico temprano sobre la enfermedad de Chagas y su compromiso cardiaco.
Disciplina académico-profesional: Física
Institución que otorga el grado o título: Universidad Nacional de San Agustín de Arequipa.Facultad de Ciencias Naturales y Formales
Grado o título: Licenciada en Física
Jurado: Luque Alvarez, Raul Ernesto; Cabana Hancco, Wilson Ricardo; Vizcardo Cornejo, Miguel Angel
Fecha de registro: 13-mar-2024



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons