Identificación de estados fisiológicos orientada a la prevención de accidentes laborales en base a datos fisiológicos no invasivos y técnicas de inteligencia artificial
| dc.contributor.advisor | Salas, Juan Carlos | |
| dc.contributor.advisor | Núñez Retamal, Felipe Eduardo | |
| dc.contributor.author | Fouere Andrade, Francisco Antonio | |
| dc.contributor.other | Pontificia Universidad Católica de Chile. Escuela de Ingeniería | |
| dc.date.accessioned | 2021-09-24T15:38:04Z | |
| dc.date.available | 2021-09-24T15:38:04Z | |
| dc.date.issued | 2021 | |
| dc.description | Tesis (Magister en Ciencias de la Ingeniería)--Pontificia Universidad Católica de Chile, 2021 | |
| dc.description.abstract | Los estados fisiológicos alterados, como el estrés y la fatiga, muchas veces asociados al contexto laboral, afectan negativamente a las personas, promoviendo la aparición de enfermedades cardiovasculares, asma, trastornos del sueño, ansiedad, depresión, entre otros. Adicionalmente, los estados fisiológicos alterados afectan el rendimiento laboral de los trabajadores, disminuyendo los indicadores de productividad de las empresas, y transformándose en una causa de accidentes laborales. En este trabajo, se desarrolló un sistema que apunta a identificar los estados fisiológicos en los cuales se encuentra cada trabajador minuto a minuto, mediante una recolección de datos cardio-respiratorios no invasiva, que representa una gran oportunidad para mitigar los perjuicios ya expuestos. Para ello se tomaron datos de electrocardiograma y frecuencia respiratoria de seis personas durante un periodo de una semana. Con estos datos se entrenaron una serie de modelos de aprendizaje profundo para clasificar en qué estado fisiológico se encuentra cada persona minuto a minuto. El modelo con mejores resultados según una función de pérdida de entrenamiento que considera la divergencia de Kullback-Leibler y el error cuadrático medio, fue el modelo llamado “What Color”, que se compone de un autoencoder variacional con redes convolucionales al codificar y decodificar, arquitectura de la cual se toma el espacio latente para generan tres clústeres que corresponden a tres niveles de estados fisiológicos para cada persona, mediante la técnica de mezcla de gaussianas. La significancia de cada clúster se justifica a partir de cinco análisis, la observación visual de las señales de intervalos RR que vive en cada uno de los clústeres, la relación entre el estado fisiológico, la postura de la persona y los periodos de sueño, los valores promedios y desviaciones estándar existentes de las variables relevantes de cada clúster, análisis del estado del arte sobre estados fisiológicos que surgen de forma espontánea en los resultados de la investigación, y finalmente, la aplicación del modelo a un repositorio externo de datos fisiológicos obteniendo resultados acordes a los esperados. | |
| dc.format.extent | 196 páginas | |
| dc.fuente.origen | Autoarchivo | |
| dc.identifier.doi | 10.7764/tesisUC/ING/62500 | |
| dc.identifier.uri | https://doi.org/10.7764/tesisUC/ING/62500 | |
| dc.identifier.uri | https://repositorio.uc.cl/handle/11534/62500 | |
| dc.information.autoruc | Escuela de Ingeniería ; Salas, Juan Carlos ; 0000-0001-7674-6376 ; 1020223 | |
| dc.information.autoruc | Escuela de Ingeniería ; Núñez Retamal, Felipe Eduardo ; S/I ; 131441 | |
| dc.information.autoruc | Escuela de Ingeniería ; Fouere Andrade, Francisco Antonio ; S/I ; 231866 | |
| dc.language.iso | es | |
| dc.nota.acceso | Contenido completo | |
| dc.rights | acceso abierto | |
| dc.subject.ddc | 363.1 | |
| dc.subject.dewey | Ciencias sociales | es_ES |
| dc.subject.other | Accidentes de oficina | es_ES |
| dc.subject.other | Prevención de accidentes | es_ES |
| dc.subject.other | Fisiología humana - Mediciones | es_ES |
| dc.title | Identificación de estados fisiológicos orientada a la prevención de accidentes laborales en base a datos fisiológicos no invasivos y técnicas de inteligencia artificial | es_ES |
| dc.type | tesis de maestría | |
| sipa.codpersvinculados | 1020223 | |
| sipa.codpersvinculados | 131441 | |
| sipa.codpersvinculados | 231866 |