Objetivo del reto

Desarrollar un sistema de clasificación automática de signos vitales sintéticos generados por el simulador GD/SM900, utilizando técnicas de procesamiento de señales y aprendizaje automático para identificar patrones y categorizar estados fisiológicos (normal, taquicardia, bradicardia, hipotensión, hipertensión, etc.)

Descripción del Problema

Los signos vitales (como la frecuencia cardíaca, la presión arterial y el ritmo respiratorio) son parámetros fundamentales para el monitoreo del estado de salud de los pacientes. Su análisis manual, aunque efectivo en entornos clínicos, puede resultar subjetivo, lento y propenso a errores, especialmente en escenarios de alto volumen de datos o entrenamiento.

Figura 1. Simulador GD/SM900

Etapas del reto

1. Adquisición de Datos Sintéticos: Configuración del simulador GD/SM900 para generar señales fisiológicas correspondientes a distintos escenarios clínicos. Las señales por adquirir pueden incluir:
   1. Sonidos cardíacos (auscultación precordial)
   2. Sonidos pulmonares
   3. Ruidos abdominales

La captura de datos puede realizarse mediante microcontroladores como Arduino o minicomputadoras como Raspberry Pi, utilizando sensores adecuados para digitalizar las señales emitidas por el simulador.

2. Preprocesamiento de Señales:
   1. Acondicionamiento de señales: filtrado, normalización, eliminación de ruido y segmentación de las fases activas de la señal.
   2. Extracción de características: obtención de parámetros relevantes en el dominio del tiempo, frecuencia y/o tiempo-frecuencia (por ejemplo, picos R, energía espectral, entropía, etc.).
3. Modelado y Clasificación:
   1. Entrenamiento de modelos supervisados (como K-NN, SVM, árboles de decisión, redes neuronales, etc.) con los vectores de características extraídos.
   2. Evaluación del desempeño de los modelos mediante métricas como accuracy, precision, recall, F1-score, y matriz de confusión.
4. Prueba en línea:
   1. Desarrollo de una demo interactiva que muestre el desempeño del sistema en tiempo real.
   2. Integración de un sistema de alertas automáticas en caso de detectar condiciones fisiológicas críticas.

A continuación, se muestran dos ejemplos de señales sintéticas relacionadas a patologías cardiacas.

Figura 2. a) Fibrilación arterial y b) Bradicardia sinusal

Asistencia

Durante el primer día del concurso, los responsables del reto impartirán un taller introductorio centrado en el procesamiento de señales biomédicas unidimensionales (1D). Los contenidos incluirán:

• Conceptos básicos de señales fisiológicas
• Técnicas de adquisición biomédica
• Acondicionamiento y segmentación de señales
• Métodos de extracción de características
• Introducción a modelos clásicos de clasificación supervisada
• Ejemplo de implementación de un sistema de apoyo al diagnóstico

El tiempo destinado al curso de introducción se propone a 7 horas considerando 2 descansos de media hora. En el segundo día, los equipos deberán aplicar lo aprendido para clasificar señales fisiológicas distintas a las utilizadas durante el curso de introducción.

Recomendaciones

Dado que algunos equipos pueden tener conocimientos limitados sobre los temas técnicos involucrados, se recomienda:

• Limitar la participación a un máximo de 7 equipos, con 4 integrantes por equipo.
• Contemplar posibles restricciones en el acceso a equipamiento electrónico y de cómputo.
• Asignar tiempo suficiente para resolver dudas básicas durante el taller.

Responsable:

Jonás Grande Barreto
Ingeniería Biomédica
jonas.grande@iberopuebla.mx