Abstract:
En el presente trabajo se describe el desarrollo de algoritmos para la identificación
de la temperatura central en un prototipo de una incubadora neonatal,
ya que esta variable es imprescindible para proveer un ambiente óptimo para
la supervivencia del recién nacido prematuro. Para la identificación de la temperatura
central, se utilizó el concepto de Gradiente de Temperatura Externo
(GTE), ya que es un parámetro muy importante para la evaluación del desarrollo
metabólico del recién nacido prematuro.
Para la identificación de la temperatura central en el microambiente de la
incubadora, se utilizaron técnicas avanzadas, como son las redes neuronales, que
tienen la capacidad de aprender por medio de un entrenamiento, a través de un
set de entradas que son proporcionadas por las variables que son medibles, y
los sistemas neurodifusos, que son una combinación de los sistemas difusos y las
redes neuronales.
De este modo, con los dos sistemas propuestos se realizará una comparación
para observar el comportamiento y la velocidad de convergencia entre el sistema
neurodifuso y la red neuronal, utilizando como ley de aprendizaje de los pesos
y de los parámetros de las funciones de membresía, la Extensión de los Filtros
de Kalman (EKF), para la identificación de la temperatura central.
Para observar el comportamiento del sistema neurodifuso y de la red neuronal,
se realizaron simulaciones de las dos técnicas y posteriormente se realizaron
pruebas en tiempo real en un prototipo de una incubadora neonatal
construida en base a la norma oficial (NOM-066-SSA1-1993), para equipos médicos
en el cuidado de recién nacidos prematuros llamado "Sistemas de soporte de
vida neonatal".
Description:
Tesis (Ingeniería Biomédica), Instituto Politécnico Nacional, UPIBI, 2006, 1 archivo PDF, (129 páginas). tesis.ipn.mx
