Repository logo
Communities & Collections
All of DSpace
  • English
  • العربية
  • বাংলা
  • Català
  • Čeština
  • Deutsch
  • Ελληνικά
  • Español
  • Suomi
  • Français
  • Gàidhlig
  • हिंदी
  • Magyar
  • Italiano
  • Қазақ
  • Latviešu
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Српски
  • Svenska
  • Türkçe
  • Yкраї́нська
  • Tiếng Việt
Log In
New user? Click here to register. Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Yauri Rodriguez, Ricardo"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • No Thumbnail Available
    Item
    Técnica computacional en dispositivos embebidos usando aprendizaje automático para el monitoreo eficiente de señales fisiológicas
    (Universidad Nacional Mayor de San Marcos, 2026) Yauri Rodriguez, Ricardo; La Serna Palomino, Nora Bertha
    El estudio tuvo como objetivo desarrollar y validar una técnica computacional basada en aprendizaje automático para el monitoreo de señales fisiológicas asociadas a cardiopatías mediante dispositivos embebidos de recursos limitados. La propuesta integró tecnologías de computación de borde y Tiny Machine Learning (TinyML) para realizar el procesamiento y análisis de señales directamente en dispositivos portátiles, utilizando datos sintéticos y bases de datos fisiológicas públicas, sin requerir la recolección directa de información de pacientes. La investigación comprendió el desarrollo de un dispositivo embebido con conectividad inalámbrica y la creación, evaluación y despliegue de modelos de aprendizaje automático para clasificar estados de salud. Los modelos fueron evaluados mediante métricas de exactitud, consumo de corriente eléctrica, tiempo de inferencia y utilización de memoria RAM y FLASH. Los resultados permitieron identificar variaciones en el comportamiento de los modelos según las características de evaluación y evidenciaron la viabilidad de su implementación en hardware con recursos limitados. Se concluyó que la integración de aprendizaje automático, computación de borde y TinyML constituye una alternativa viable para el monitoreo eficiente de señales fisiológicas asociadas a cardiopatías mediante dispositivos portátiles, con potencial para apoyar procesos de vigilancia y toma de decisiones clínicas.

DSpace software copyright © 2002-2026 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback