dc.contributor
Universitat Politècnica de Catalunya. Departament d'Enginyeria Electrònica
dc.contributor
Universitat Politècnica de Catalunya. IEB - Instrumentació Electrònica i Biomèdica
dc.contributor.author
Company Se, Georgina
dc.contributor.author
Bragós Bardia, Ramon
dc.contributor.author
Pajares Ruiz, Virginia
dc.contributor.author
Rafecas, Albert
dc.contributor.author
Rosell Ferrer, Francisco Javier
dc.contributor.author
Riu Costa, Pere Joan
dc.contributor.author
Nescolarde Selva, Lexa Digna
dc.identifier
Company, G. [et al.]. Diferenciación por métodos estadísticos convencionales y machine learning entre tejido pulmonar sano y patológico de medidas de impedancia eléctrica. A: Congreso Anual de la Sociedad Española de Ingeniería Biomédica. "CASEIB 2023: XLI Congreso Anual de la Sociedad Española de Ingeniería Biomédica: Contribuyendo a la salud basada en valor: Cartagena, Murcia, España, Noviembre 22-24, 2023: libro de actas". Cartagena: Universidad Politécnica de Cartagena, 2023, p. 322-325. ISBN 978-84-17853-76-1.
dc.identifier
978-84-17853-76-1
dc.identifier
https://hdl.handle.net/10317/13627
dc.identifier
https://hdl.handle.net/2117/428417
dc.description.abstract
El uso de la espectroscopia de impedancia eléctrica para la diferenciación del tejido pulmonar es una oportunidad para mejorar el diagnóstico clínico. El objetivo es distinguir entre diferentes estados del tejido pulmonar mediante el estudio de las diferencias entre los parámetros del espectro de impedancia entre dos frecuencias separadas (15 kHz y 307 kHz) en la región de la dispersión beta. Además, también se aplican algoritmos de machine learning para la clasificación automática de patologías pulmonares. Se han encontrado diferencias significativas entre aquellos tejidos que experimentan un aumento en la densidad (neoplasia y fibrosis) y aquellos tejidos que sufren una destrucción del tejido (enfisema). Además, los algoritmos automáticos son capaces de clasificar con gran exactitud (=86%) muestras de tejido neoplásico. Son necesarios más estudios y mayor validación de los algoritmos para diferenciar aquellos estados del tejido que son más similares entre sí.
dc.description.abstract
Este trabajo fue apoyado por el Ministerio español de Ciencia e Innovación (PID2021-128602OB-C21).
dc.description.abstract
Peer Reviewed
dc.description.abstract
Postprint (published version)
dc.format
application/pdf
dc.publisher
Universidad Politécnica de Cartagena
dc.relation
info:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/PID2021-128602OB-C21
dc.rights
http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights
Attribution-NonCommercial-NoDerivatives 4.0 International
dc.subject
Àrees temàtiques de la UPC::Enginyeria electrònica::Microelectrònica
dc.subject
Espectroscopia de impedancia eléctrica
dc.subject
Tejido pulmonar
dc.subject
Diagnóstico clínico
dc.title
Diferenciación por métodos estadísticos convencionales y machine learning entre tejido pulmonar sano y patológico de medidas de impedancia eléctrica.
dc.type
Conference report
