1 10 1 https://bibliotecadigital.fi.uba.ar/files/original/8cae0ef8f716316911c41aaed4faca36.pdf 723b0a9db2c0c118319a51f3047ec660 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource <h3>Tesis de Grado</h3> Texto - Tesis Metadatos procedentes de la migración desde Koha. Signatura T 2495 O161 Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Creator An entity primarily responsible for making the resource Ochagavia, Lara Ferreyra, Lucas Title A name given to the resource Detección de apneas del sueño utilizando redes neuronales Contributor An entity responsible for making contributions to the resource Veiga, Ricardo Description An account of the resource Grado obtenido: Ingeniero Electrónico de la Universidad de Buenos Aires Disciplina: Ingeniería Electrónica Fil: Ochagavia, Lara. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina. Fil: Ferreyra, Lucas. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina. Subject The topic of the resource APLICACIONES MEDICAS INTELIGENCIA ARTIFICIAL DETECCION SUEÑO REDES NEURONALES Publisher An entity responsible for making the resource available Universidad de Buenos Aires. Facultad de Ingeniería Date A point or period of time associated with an event in the lifecycle of the resource 2024 Extent The size or duration of the resource. 146 p. Type The nature or genre of the resource info:eu-repo/semantics/bachelorThesis info:ar-repo/semantics/tesis de grado tesis de grado Language A language of the resource spa Format The file format, physical medium, or dimensions of the resource application/pdf Rights Information about rights held in and over the resource info:eu-repo/semantics/openAccess Abstract A summary of the resource. Esta investigación presenta un enfoque basado en inteligencia artificial para la detección de apneas del sueño, utilizando datos anotados por médicos del Hospital Tornú. Se emplea Python para procesar los datos y transformarlos en un problema de aprendizaje supervisado. A través de PyTorch y haciendo uso de la GPU de Google Colab, se implementa una red neuronal hibrida compuesta por una Convolutional Neural Network 1D (CNN1D) y una Long Short-Term Memory (LSTM), obteniendo resultados de Sensitivity, Specificity y Accuracy comparables a los estándares de referencia para la detección de apneas. Además, se incorpora una técnica de postprocesamiento para corregir posibles errores generados por la red neuronal aplicando criterios médicos determinísticos. A partir de las correcciones se calcula como diagnostico preliminar una estimación del ´índice de eventos respiratorios. Los resultados se validan mediante la comparación gráfica con eventos reales anotados por médicos, demostrando la efectividad y precisión del sistema propuesto. Access Rights Information about who can access the resource or an indication of its security status. Access Rights may include information regarding access or restrictions based on privacy, security, or other policies. http://bibliotecadigital.fi.uba.ar/rights Medium The material or physical carrier of the resource. application/pdf