Resumen

Las medidas de previsibilidad en señales fisiológicas basadas en métricas de entropía han sido ampliamente utilizadas en el ámbito de la aplicación de evaluación médica y diagnóstico clínico. En este artículo, proponemos un nuevo aprendizaje de patrones basado en entropía mediante una combinación de análisis de espectro singular (SSA) y medidas de entropía para la evaluación de señales fisiológicas. Las señales fisiológicas se representan primero como una serie de componentes SSA, y luego se extraen medidas de entropía bien establecidas de los componentes SSA resultantes que pueden ayudar a facilitar la extracción de características de las señales fisiológicas. Las medidas de entropía de los componentes SSA destacados se utilizan para formar características de entrada y se alimentan al clasificador de patrones. Para demostrar su validez, aplicabilidad y versatilidad, el aprendizaje de patrones basado en entropía propuesto se utiliza para realizar evaluaciones médicas con tres tipos de señales fisiológicas clásicas, es decir, electroence

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Entropía; Señales fisiológicas; Aprendizaje de patrones; Componentes SSA; Evaluación médica; Rendimiento de identificación
• Keywords:Entropy; Physiological signals; Pattern learning; SSA components; Medical assessment; Identification performances