Biblioteca122.294 documentos en línea

Artículo

Depression Episodes Detection in Unipolar and Bipolar Patients: A Methodology with Feature Extraction and Feature Selection with Genetic Algorithms Using Activity Motion Signal as Information SourceDetección de Episodios de Depresión en Pacientes Unipolares y Bipolares: Una Metodología con Extracción de Características y Selección de Características con Algoritmos Genéticos Utilizando la Señal de Movimiento de Actividad como Fuente de Información

Resumen

La depresión es un trastorno mental que típicamente incluye tristeza recurrente y pérdida de interés en disfrutar de los aspectos positivos de la vida, y en casos graves fatiga, causando incapacidad para realizar actividades diarias, lo que conduce a una pérdida progresiva de calidad de vida. El monitoreo de la depresión (pacientes unipolares y bipolares) se basa en informes tradicionales de los pacientes; sin embargo, comúnmente existe un sesgo, dado la interpretación de las experiencias por parte de los pacientes. Sin embargo, para superar este problema, se han propuesto y utilizado ampliamente informes de Evaluación Momentánea Ecológica (EMA). Estos informes incluyen datos del comportamiento, sentimientos y otros tipos de actividades registradas casi en tiempo real utilizando diferentes tipos de dispositivos portátiles, que hoy en día incluyen smartphones y otros dispositivos ponibles como smartwatches. En este estudio se propone una metodología para detectar pacientes depresivos con los datos de movimiento generados por la actividad del paciente, registrada con una pulsera intelig

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento

  • Titulo:Depression Episodes Detection in Unipolar and Bipolar Patients: A Methodology with Feature Extraction and Feature Selection with Genetic Algorithms Using Activity Motion Signal as Information Source
  • Autor:Galvn-Tejada, Carlos E.; Zanella-Calzada, Laura A.; Gamboa-Rosales, Hamurabi; Galvn-Tejada, Jorge I.; Chvez-Lamas, Nubia M.; Gracia-Corts, Ma. del Carmen; Magallanes-Quintanar, Rafael; Celaya-Padilla, Jos M.
  • Tipo:Artículo
  • Año:2019
  • Idioma:Inglés
  • Editor:Hindawi
  • Materias:Comunicación inalámbrica Blockchain Comunicaciones vehiculares Enrutamiento Redes centradas
  • Descarga:0