Browsing by Author "Alanis, Manuela"
Now showing 1 - 4 of 4
Results Per Page
Sort Options
proyecto final de grado.listelement.badge Dispositivo para detección de autismo mediante mediciones pupilares(2019) Alanis, Manuela; Puig Insua, Micaela; Tablón, Alberto Jorge"El tema del presente proyecto es el diseño y la implementación de un dispositivo que, mediante mediciones pupilares, sea capaz de generar una primera detección del trastorno del espectro autista (TEA)."póster.listelement.badge Dispositivo para detección temprana del trastorno del espectro autista(2019) Alanis, Manuela; Puig Insua, Micaela"Diseño e implementación de un dispositivo que, mediante mediciones pupilares, sea capaz de generar una primera detección del trastorno del espectro autista (TEA). El dispositivo consiste en una Raspberry Pi que estimula mediante un LED verde la pupila del sujeto y filma su reacción con una cámara en el espectro infrarrojo. Una vez obtenidos los videos estos se procesan en una computadora, adquiriendo los parámetros que son utilizados en la clasificación para identicar si un sujeto, presuntamente neurotípico, tiene riesgo de tener condiciones del espectro autista."póster.listelement.badge Medidor de presión arterial no invasivo(2018) Flugelman, Máximo; Kabas, Fernando; Puig Insua, Micaela; Alanis, Manuela"Mostrar el proceso de diseño e ingeniería involucrado en el desarrollo de un producto médico con foco en la construcción de un medidor de presión arterial no invasivo automático basado en el método oscilométrico."artículo de publicación periódica.listelement.badge Spike-and-wave detection in epileptic signals using cross-correlation and decision trees(2018) Quintero-Rincón, Antonio; Alanis, Manuela; Muro, Valeria; D'Giano, Carlos"Identify spike-and-waves patterns in epileptic signals is a typical problem in electroencephalographic (EEG) signal processing. In this paper we propose cross-correlation coupled with decision tree model as new method in order to assess and detect spike-and-wave discharges (SWD) in long-term epileptic signals. The proposed approach is demonstrated in terms of accuracy, sensitivity and specificity classification on real EEG signals using a database developed with medical annotations."