Tesis Telecomunicaciones

Permanent URI for this collectionhttp://repositorio.uta.edu.ec/handle/123456789/34848

Browse

Subject: search.filters.subject.APRENDIZAJE AUTOMÁTICO

Search Results

Now showing 1 - 3 of 3
  • No Thumbnail Available
    Item
    Dispositivo portátil para la detección temprana de arritmias cardiacas en adultos mayores mediante técnicas de inteligencia artificial
    (Universidad Técnica de Ambato. Facultad de Ingeniería en Sistemas, Electrónica e Industrial. Carrera de Telecomunicaciones, 2025-02) Aguilar Paucar Karol Nataly; Benalcázar Palacios Freddy Geovanny
    Cardiovascular diseases are one of the leading causes of death worldwide, with cardiac arrhythmias being a significant factor in many of these cases. Early detection of these irregularities is crucial to prevent serious complications and improve patients' quality of life. This research focuses on the development of a portable device for the early detection of cardiac arrhythmias, combining advanced biomedical module technologies, signal processing, and machine learning models. The device uses an LSTM autoencoder-decoder model to analyze electrocardiogram (ECG) signals in real time, identifying abnormal patterns in time series and distinguishing between normal and arrhythmic heart rhythms. The high-quality ECG5000 database was used for training and validating the model. The research includes key stages such as data acquisition, preprocessing to reduce noise and artifacts, model implementation, and validation testing in a controlled environment. Preliminary results show that the device is capable of detecting arrhythmias with high accuracy and speed, making it a valuable tool for remote monitoring and the prevention of cardiovascular events. This project not only contributes to technical advancements but also provides an accessible solution for cardiac health monitoring, improving the ability of patients and healthcare professionals to address cardiovascular conditions promptly and efficiently.
  • No Thumbnail Available
    Item
    Detección de niveles de estrés en estudiantes universitarios a partir de señales electrofisiológicas mediante técnicas de machine learning
    (Universidad Técnica de Ambato. Facultad de Ingeniería en Sistemas, Electrónica e Industrial. Carrera de Telecomunicaciones, 2024-02) Pazmiño de la Cruz, Shirley Lizbeth; Córdova Córdova, Edgar Patricio
    Al iniciar sus estudios superiores, los jóvenes se ven sometidos a presiones académicas, expectativas sociales y múltiples responsabilidades, generando niveles elevados de estrés que inciden tanto en su rendimiento académico como en su salud mental y bienestar general. Este proyecto de investigación ha perseguido el desarrollo de un sistema electrónico que emplee señales electrofisiológicas y técnicas de machine learning para identificar niveles de estrés en estudiantes universitarios en este entorno desafiante. Para alcanzar dicho objetivo, se ha llevado a cabo una revisión bibliográfica exhaustiva en bases de datos médicos y científicos, focalizándose en señales electrofisiológicas asociadas al estrés académico. Se han seleccionado sensores específicos, como el Grove GSR y Muscle Sensor V3, y todo el proceso se ha desarrollado en el microcontrolador ESP32 Tiny S3, aprovechando su capacidad y tamaño para crear un dispositivo portátil. Los datos procesados se almacenaron en un servidor web mediante peticiones PHP. Las métricas de evaluación del algoritmo de machine learning revelaron una alta precisión del 0.96, respaldada por un índice de 0.97 en el conjunto de entrenamiento, 0.97 en el conjunto de prueba y 0.9 en la etapa de validación con el método de validación cruzada. Estos resultados confirman que el algoritmo Random Forest gestiona de manera eficiente la clasificación y el entrenamiento, sobresaliendo en comparación con otros algoritmos evaluados. En cuanto a la confiabilidad, el sistema ha logrado un porcentaje del 93,68% en la lectura de datos, consolidando así su capacidad para detectar niveles de estrés y prevenir posibles colapsos en la salud de los estudiantes
  • No Thumbnail Available
    Item
    Sistema automático de decodificación de lengua de señas ecuatoriano a comunicación verbal.
    (Universidad Técnica de Ambato. Facultad de Ingeniería en Sistemas, Electrónica e Industrial. Carrera de Telecomunicaciones, 2023-09) Gavilanes Proaño, Wendy Patricia; Brito Moncayo, Geovanni Danilo
    People with hearing and speech disabilities rely on sign language to express their ideas, emotions, and needs. This form of gestural communication employs hand movements and facial expressions to effectively convey messages. However, the lack of knowledge of this language on the part of the hearing population limits the opportunities for interaction and mutual understanding. For this reason, an automatic system capable of translating and learning the Ecuadorian sign language into verbal communication using artificial intelligence was developed. The project was developed based on the "Gabriel Román" Ecuadorian Sign Language Dictionary " to establish the basic vocabulary of the system, which consists of the Ecuadorian dactylological alphabet, numbers and basic words. An electronic glove for the right hand was built, with five Flex sensors, an MPU6050 inertial sensor and an Arduino Nano board, which were responsible for recording the movements of the hand and fingers, such as flexion, extension and inclination, these Data is processed using Python to create the database, in order to apply machine learning algorithms. The algorithms studied are k-Nearest Neighbors (KNN) and Random Forest, with training accuracies of 94,62% and 96,20% respectively. Finally, applying the Random Forest model, a graphical interface was created in Streamlit, where the user can visualize the translation of the sign language through text and an audio output.