{"id":{"repo_id":"javeriana","oai_identifier":"oai:repository.javeriana.edu.co:10554/65131"},"canonical_url":"https://search.dev.ndltd.org/etd/javeriana/oai:repository.javeriana.edu.co:10554/65131","repository":{"repo_id":"javeriana","name":"Pontificia Universidad Javeriana","base_url":"https://repository.javeriana.edu.co/oai/request"},"display":{"title":"Modelo de inteligencia artificial para la estimación del intervalo RR y QT a partir de una imagen de un ECG de 12 derivaciones","abstract":"La medición del intervalo QT en cardiología, se usa como índice en la detección de arritmias ventriculares o como estimador del efecto de fármacos en tratamientos contra el cáncer. Esta medición tiene un comportamiento diferente en frecuencias cardiacas extremas (altas o bajas), por lo que es necesario realizar una corrección al QT (QTc). Existen diferentes fórmulas de corrección, cada una útil en tipos de patologías diferentes. La mayoría de los electrocardiógrafos vienen configurados para imprimir el resultado del ECG con la fórmula de corrección de Bazett, lo que obliga a los profesionales de salud en caso de requerir una fórmula diferente, a realizar el cálculo manualmente, siendo esto, susceptible a errores. Dado el contexto anterior, se plantea un modelo de inteligencia artificial capaz de extraer las características latentes de la señal presente en una fotografía de las derivaciones 2 y 5 de un electrocardiograma convencional, para así, estimar a través de un algoritmo de aprendizaje profundo los dos parámetros de cálculo para la corrección del QT; el intervalo RR y el QT. Se utilizó una muestra de 800 imágenes de 400 pacientes con ECG de diversas características. Los resultados arrojados en los más de 50 experimentos nos muestran un error cuadrático medio de 250 ms para el algoritmo de QT y 54 ms para el RR. Si bien los resultados en términos de métricas de desempeño mostraron una solución razonable por parte del modelo, no podemos afirmar que sea una estimación óptima para su aplicación en un entorno clínico.","abstract_html":"La medición del intervalo QT en cardiología, se usa como índice en la detección de arritmias ventriculares o como estimador del efecto de fármacos en tratamientos contra el cáncer. Esta medición tiene un comportamiento diferente en frecuencias cardiacas extremas (altas o bajas), por lo que es necesario realizar una corrección al QT (QTc). Existen diferentes fórmulas de corrección, cada una útil en tipos de patologías diferentes. La mayoría de los electrocardiógrafos vienen configurados para imprimir el resultado del ECG con la fórmula de corrección de Bazett, lo que obliga a los profesionales de salud en caso de requerir una fórmula diferente, a realizar el cálculo manualmente, siendo esto, susceptible a errores. Dado el contexto anterior, se plantea un modelo de inteligencia artificial capaz de extraer las características latentes de la señal presente en una fotografía de las derivaciones 2 y 5 de un electrocardiograma convencional, para así, estimar a través de un algoritmo de aprendizaje profundo los dos parámetros de cálculo para la corrección del QT; el intervalo RR y el QT. Se utilizó una muestra de 800 imágenes de 400 pacientes con ECG de diversas características. Los resultados arrojados en los más de 50 experimentos nos muestran un error cuadrático medio de 250 ms para el algoritmo de QT y 54 ms para el RR. Si bien los resultados en términos de métricas de desempeño mostraron una solución razonable por parte del modelo, no podemos afirmar que sea una estimación óptima para su aplicación en un entorno clínico.","abstract_has_math":false,"creators":["Ladino Cortes, Andrés","Ortiz Reina, Jenny"],"institution":"Pontificia Universidad Javeriana","degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":["Flórez Valencia, Leonardo"],"committee_chairs":[],"committee_members":[],"year":null,"date_issued":"","date_published":null,"updated_at":"2026-08-21T22:21:56Z","subjects":["Inteligencia artificial","Aprendizaje profundo","Optimización de Bayes","Procesamiento de imágenes","Electrocardiograma"],"languages":["spa"],"rights":[],"rights_urls":["http://creativecommons.org/licenses/by-nc-nd/4.0/"],"identifier_entries":[]},"links":{"outbound_url":"http://hdl.handle.net/10554/65131","outbound_label":"Handle","outbound_source":"dc:identifier.uri"},"source_record":{"url":"https://repository.javeriana.edu.co/oai/request?verb=GetRecord&metadataPrefix=dim&identifier=oai%3Arepository.javeriana.edu.co%3A10554%2F65131","prefix":"dim"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["Flórez Valencia, Leonardo"]},{"key":"dc:creator","label":"Author","values":["Ladino Cortes, Andrés","Ortiz Reina, Jenny"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2023-08-04T14:24:01Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2023-08-04T14:24:01Z"]},{"key":"dc:publisher","label":"Institution","values":["Pontificia Universidad Javeriana"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Inteligencia artificial","Aprendizaje profundo","Optimización de Bayes","Procesamiento de imágenes","Electrocardiograma"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language.iso","label":"Language (ISO)","values":["spa"]},{"key":"dc:rights.uri","label":"Rights URI","values":["http://creativecommons.org/licenses/by-nc-nd/4.0/"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["http://hdl.handle.net/10554/65131"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["La medición del intervalo QT en cardiología, se usa como índice en la detección de arritmias ventriculares o como estimador del efecto de fármacos en tratamientos contra el cáncer. Esta medición tiene un comportamiento diferente en frecuencias cardiacas extremas (altas o bajas), por lo que es necesario realizar una corrección al QT (QTc). Existen diferentes fórmulas de corrección, cada una útil en tipos de patologías diferentes. La mayoría de los electrocardiógrafos vienen configurados para imprimir el resultado del ECG con la fórmula de corrección de Bazett, lo que obliga a los profesionales de salud en caso de requerir una fórmula diferente, a realizar el cálculo manualmente, siendo esto, susceptible a errores. Dado el contexto anterior, se plantea un modelo de inteligencia artificial capaz de extraer las características latentes de la señal presente en una fotografía de las derivaciones 2 y 5 de un electrocardiograma convencional, para así, estimar a través de un algoritmo de aprendizaje profundo los dos parámetros de cálculo para la corrección del QT; el intervalo RR y el QT. Se utilizó una muestra de 800 imágenes de 400 pacientes con ECG de diversas características. Los resultados arrojados en los más de 50 experimentos nos muestran un error cuadrático medio de 250 ms para el algoritmo de QT y 54 ms para el RR. Si bien los resultados en términos de métricas de desempeño mostraron una solución razonable por parte del modelo, no podemos afirmar que sea una estimación óptima para su aplicación en un entorno clínico."]},{"key":"dc:format","label":"Dc Format","values":["PDF"]},{"key":"dc:format.mimetype","label":"Dc Format Mimetype","values":["application/pdf"]},{"key":"dc:title","label":"Title","values":["Modelo de inteligencia artificial para la estimación del intervalo RR y QT a partir de una imagen de un ECG de 12 derivaciones"]}]}],"canonical_facts":{"dc:contributor.advisor":["Flórez Valencia, Leonardo"],"dc:creator":["Ladino Cortes, Andrés","Ortiz Reina, Jenny"],"dc:date.accessioned":["2023-08-04T14:24:01Z"],"dc:date.available":["2023-08-04T14:24:01Z"],"dc:description.abstract":["La medición del intervalo QT en cardiología, se usa como índice en la detección de arritmias ventriculares o como estimador del efecto de fármacos en tratamientos contra el cáncer. Esta medición tiene un comportamiento diferente en frecuencias cardiacas extremas (altas o bajas), por lo que es necesario realizar una corrección al QT (QTc). Existen diferentes fórmulas de corrección, cada una útil en tipos de patologías diferentes. La mayoría de los electrocardiógrafos vienen configurados para imprimir el resultado del ECG con la fórmula de corrección de Bazett, lo que obliga a los profesionales de salud en caso de requerir una fórmula diferente, a realizar el cálculo manualmente, siendo esto, susceptible a errores. Dado el contexto anterior, se plantea un modelo de inteligencia artificial capaz de extraer las características latentes de la señal presente en una fotografía de las derivaciones 2 y 5 de un electrocardiograma convencional, para así, estimar a través de un algoritmo de aprendizaje profundo los dos parámetros de cálculo para la corrección del QT; el intervalo RR y el QT. Se utilizó una muestra de 800 imágenes de 400 pacientes con ECG de diversas características. Los resultados arrojados en los más de 50 experimentos nos muestran un error cuadrático medio de 250 ms para el algoritmo de QT y 54 ms para el RR. Si bien los resultados en términos de métricas de desempeño mostraron una solución razonable por parte del modelo, no podemos afirmar que sea una estimación óptima para su aplicación en un entorno clínico."],"dc:format":["PDF"],"dc:format.mimetype":["application/pdf"],"dc:identifier.uri":["http://hdl.handle.net/10554/65131"],"dc:language.iso":["spa"],"dc:publisher":["Pontificia Universidad Javeriana"],"dc:rights.uri":["http://creativecommons.org/licenses/by-nc-nd/4.0/"],"dc:subject":["Inteligencia artificial","Aprendizaje profundo","Optimización de Bayes","Procesamiento de imágenes","Electrocardiograma"],"dc:title":["Modelo de inteligencia artificial para la estimación del intervalo RR y QT a partir de una imagen de un ECG de 12 derivaciones"]},"updated_at":"2026-08-21T22:21:56Z"}