• Título:  ALGORITMOS DE PROCESADO DE SEÑAL BASADOS EN NON-NEGATIVE MATRIX FACTORIZATION APLICADOS A LA SEPARACIÓN, DETECCIÓN Y CLASIFICACIÓN DE SIBILANCIAS EN SEÑALES DE AUDIO RESPIRATORIAS MONOCANAL
• Autor:  TORRE CRUZ, JUAN DE LA
• Universidad:  Universidad de Jaén
• Departamento:  Ingeniería de telecomunicación
• Fecha de Lectura:  24/03/2021
• Programa de doctorado:  Programa de Doctorado en Tecnologías de la Información y de la Comunicación por la Universidad de Jaén
• Dirección: 
  • VERA CANDEAS, PEDRO (DIRECTOR)
  • CAÑADAS QUESADA, FRANCISCO JESUS  (CODIRECTOR)
• Tribunal: 
  • GIL PITA, ROBERTO  (PRESIDENTE)
  • CARABIAS ORTI, JULIO JOSE (SECRETARIO)
  • COBOS SERRANO, MÁXIMO (VOCAL)
• Descriptores: 
  • TECNOLOGIA DE LAS TELECOMUNICACIONES
• Localización:  BIBLIOTECA UJA
• Resumen:
  La auscultación es el primer examen clínico que un médico lleva a cabo para evaluar el estado del sistema respiratorio, debido a que es un método no invasivo, de bajo coste, fácil de realizar y seguro para el paciente. Sin embargo, el diagnóstico que se deriva de la auscultación sigue siendo un diagnóstico subjetivo que se encuentra condicionado a la habilidad, experiencia y entrenamiento de cada médico en la escucha e interpretación de las señales de audio respiratorias. En consecuencia, se producen un alto porcentaje de diagnósticos erróneos que ponen en riesgo la salud de los pacientes e incrementan el coste asociado a los centros de salud. Esta Tesis propone nuevos métodos basados en Non-negative Matrix Factorization aplicados a la separación, detección y clasificación de sonidos sibilantes para proporcionar una vía de información complementaria al médico que ayude a mejorar la fiabilidad del diagnóstico emitido por el especialista Auscultation is the first clinical examination that a physician performs to evaluate the condition of the respiratory system, because it is a non-invasive, low-cost, easy-to-perform and safe method for the patient. However, the diagnosis derived from auscultation remains a subjective diagnosis that is conditioned by the ability, experience and training of each physician in the listening and interpretation of respiratory audio signals. As a result, a high percentage of misdiagnoses are produced that endanger the health of patients and increase the cost associated with health centres. This Thesis proposes new methods based on Non-negative Matrix Factorization applied to separation, detection and classification of wheezing sounds in order to provide a complementary information pathway to the physician that helps to improve the reliability of the diagnosis made by the doctor.