Ayuda
Ir al contenido

Dialnet


Análisis de la Tolerancia al Ruido de Características Basadas en Dinámica no Lineal Sobre Señales Fonocardiográficas

    1. [1] Universidad Nacional de Colombia

      Universidad Nacional de Colombia

      Colombia

    2. [2] Instituto Tecnológico Metropolitano

      Instituto Tecnológico Metropolitano

      Colombia

  • Localización: TecnoLógicas, ISSN-e 2256-5337, ISSN 0123-7799, Nº. 25, 2010 (Ejemplar dedicado a: Julio - Diciembre), págs. 189-200
  • Idioma: español
  • Enlaces
  • Resumen
    • español

      Una propiedad muy deseable en sistemas de detección automática de patologías es la robustez ante el ruido, tal que su presencia no afecte notablemente la habilidad de detectar patologías. El presente trabajo estudia la capacidad discriminatoria que características de la dinámica no lineal, en particular, el Exponente de Hurst, el Máximo Exponente de Lyapunov y la Dimensión de Correlación, puedan proveer en la detección de soplos cardíacos usando señales fonocardiográficas contaminadas con diferentes niveles de ruido. A su vez se hacen comparaciones con características obtenidas a partir de representaciones tiempo frecuencia. Los resultados muestran la fortaleza de las características basadas en dinámica no lineal para tareas de clasificación de estados funcionales, aún sobre señales con altos niveles de ruido.

    • English

      A very desirable attribute in automatic pathology detection systems is noise robustness, such that the presence of noise should not significantly affect the ability to detect pathologies. This paper explores the discriminatory potential that nonlinear dynamic features, in particular, the Hurst exponent, the maximum Lyapunov exponent and correlation dimension, can provide in the detection of heart murmurs using phonocardiographic signals contaminated with different levels of noise. At the same time comparing with features obtained from time frequency representations. The results show the strength of features based on nonlinear dynamics for functional state classification tasks, even on signals with high noise levels.


Fundación Dialnet

Dialnet Plus

  • Más información sobre Dialnet Plus

Opciones de compartir

Opciones de entorno