Mostrar el registro sencillo del ítem
dc.contributor.author
Ames Lastra, Gerardo
dc.contributor.author
Dell'osa, Antonio Héctor
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Concu, Alberto
dc.date.available
2023-04-24T12:20:24Z
dc.date.issued
2020
dc.identifier.citation
Machine learning by means of electrical impedance spectroscopy measurements for the classification of upper limbs; XX Congreso Argentino de Bioingeniería; Piriapolis; Uruguay; 2020; 1-4
dc.identifier.uri
http://hdl.handle.net/11336/195081
dc.description.abstract
Los dispositivos wearables, como se les llama en inglés, se han vuelto muy prevalentes en la vida cotidiana. Algunos de estos dispositivos tienen funciones de adquisición de señales fisiológicas que permiten monitorear el estado de salud de una persona a lo largo del día, mientras se utilice el dispositivo, por lo que han atraído interés en los últimos años. La espectroscopía por impedancia (EIS, por sus siglas en inglés) ha sido utilizada para identificar las condiciones de un tejido bajo prueba, siendo potencialmente útil para el desarrollo de dispositivos de diagnóstico, monitoreo o reconocimiento del paciente. El uso de clasificadores de aprendizaje de máquina por medio de EIS ha sido estudiado para el desarrollo de dispositivos de asistencia al diagnóstico, reconocimiento biométrico de pacientes, entre otras aplicaciones. En este trabajo, evaluamos el uso de mediciones de EIS en bíceps para identificar el brazo, derecho o izquierdo, del cual se tomaron las mediciones. Se evaluó el desempeño de 4 modelos de clasificación: Random Forest, Linear Discriminant Analysis, K-Means y Naive Bayes, con el fin de identificar su posible utilidad en dispositivos wearables. El modelo Random Forest obtuvo el mejor desempeño, alcanzando el 100% de clasificaciones correctas en una de 10 repeticiones. Más estudios son necesarios para comprender mejor los resultados obtenidos, al mismo tiempo de evaluar la selección óptima de rasgos y parámetros para mejorar el desempeño general de los modelos de clasificación.
dc.format
application/pdf
dc.language.iso
spa
dc.publisher
Revista Argentina de Bioingeniería
dc.rights
info:eu-repo/semantics/restrictedAccess
dc.rights
Atribución-NoComercial-CompartirIgual 2.5 Argentina (CC BY-NC-SA 2.5 AR)
dc.rights.uri
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.subject
Arms Classification
dc.subject
Electrical Impedance Spectroscopy
dc.subject
Machine Learning
dc.subject
K-Means
dc.subject
LDA
dc.subject
Naïve Bayes
dc.subject
Random Forest
dc.subject.classification
Otras Ingeniería Médica
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
Ingeniería Médica
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
INGENIERÍAS Y TECNOLOGÍAS
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.title
Machine learning by means of electrical impedance spectroscopy measurements for the classification of upper limbs
dc.type
info:eu-repo/semantics/publishedVersion
dc.type
info:eu-repo/semantics/conferenceObject
dc.type
info:ar-repo/semantics/documento de conferencia
dc.date.updated
2023-02-16T10:15:20Z
dc.journal.pagination
1-4
dc.journal.pais
Uruguay
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.journal.ciudad
Piriapoles
dc.description.fil
Fil: Ames Lastra, Gerardo. Universidad Autónoma Metropolitana; México
dc.description.fil
Fil: Dell'osa, Antonio Héctor. Universidad Nacional de Tierra del Fuego. Instituto de Desarrollo Economico E Innovacion; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Austral de Investigaciones Científicas; Argentina
dc.description.fil
Fil: Concu, Alberto. Università Degli Studi Di Cagliari.; Italia
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/https://www.easychair.org/cfp/SABI2020
dc.conicet.rol
Autor
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.conicet.rol
Autor
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.conicet.rol
Autor
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.conicet.nroedicion
XXIII
dc.coverage
Nacional
dc.type.subtype
Congreso
dc.description.nombreEvento
XX Congreso Argentino de Bioingeniería
dc.date.evento
2020-03-04
dc.description.ciudadEvento
Piriapolis
dc.description.paisEvento
Uruguay
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.type.publicacion
Journal
dc.description.institucionOrganizadora
Sociedad Argentina de Bioingeniería
dc.source.revista
XX Congreso Argentino de Bioingeniería
dc.date.eventoHasta
2020-03-06
dc.type
Congreso
Archivos asociados