Resumen

El procesamiento de señales biomédicas tiene una importancia relevante en el diagnóstico temprano y prevención de enfermedades. El electrocardiograma (ECG) es un estudio noinvasivo, de bajo costo, que brinda información valiosa sobre la actividad eléctrica cardíaca. El análisis de esta señal estudia patrones que se asocian con condiciones anormales de funcionamiento. El objetivo principal de este proyecto es desarrollar técnicas y algoritmos para el análisis, modelado, clasificación y segmentación de señales electrocardiográficas, a fin de que puedan ser aplicados en tiempo real; y poder así dar soporte a la detección temprana de eventos patológicos. Específicamente, nos proponemos diseñar algoritmos de procesamiento de ECG con un enfoque Bayesiano, con el objetivo de sintonizar los parámetros de un modelo dinámico que permitan la síntesis de señales de ECG registrables durante procesos de isquemia e infarto. Asimismo, se aplicarán técnicas de machine learning para procesar los parámetros y configurar un sistema de asistencia al médico en el diagnóstico automático de patologías.