Detección de presencia y ausencia de Parkinson en audios de voz

Sandoval Ramírez, Juan David

Detección de presencia y ausencia de Parkinson en audios de voz

dc.contributor.advisor	Loaiza-Correa, Humberto
dc.contributor.author	Sandoval Ramírez, Juan David
dc.date.accessioned	2026-05-14T19:44:37Z
dc.date.available	2026-05-14T19:44:37Z
dc.date.issued	2025
dc.description.abstract	El objetivo de este trabajo de grado es la clasificación de presencia y ausencia de Parkinson mediante grabaciones de audio, que fueron extraídas de la base de datos IPVVS con grabaciones de voz en italiano. Además, se realiza la investigación de antecedentes nacionales e internacionales que hayan implementado procesos similares a los previstos en este proyecto, así como la revisión de un marco teórico que provea una contextualización de la aplicación en cuestión. El sistema propuesto consta, primeramente, de la etapa de preprocesamiento a los audios de la base de datos, que incluyó eliminación de silencios, remuestreo de frecuencia, filtrado y aumento de datos, mediante ventanas. En segundo lugar, la etapa de extracción de características y de espectrogramas, basados en los antecedentes consultados, además se aplicaron técnicas como Wrappers y Feature Selection para la selección de las características más discriminantes y la posterior normalización de los datos. Luego, con esta información se implementaron las máquinas de aprendizaje superficial como Random Forest (RF), Decision Trees (DT), Suppor Vector Machines (SVM) y K-Nearest Neighboors (KNN), teniendo dos maneras de clasificación. Finalmente, se implementaron dos redes neuronales convolucionales (CNN), como ResNet 18 y EfficientNet-B0, que fueron previamente entrenadas con ImageNet y aplicadas en este proyecto por medio de TransferLearning, debido al tamaño de la base de datos. En cuanto a los resultados obtenidos a través del sistema descrito, las máquinas de aprendizaje superficial lograron un promedio de exactitud en clasificación de 93.60%, destacándose KNN como el mejor clasificador con 96.38%, mientras que para el caso de las máquinas CNN el mejor desempeño registrado fue 98.56% por parte de EfficientNet-B0. Finalmente, se realiza la discusión de los resultados obtenidos y se establecen conclusiones con base en estos.	spa
dc.description.degreelevel	Pregrado	spa
dc.description.degreename	INGENIERO(A) EN ELECTRÓNICA	spa
dc.format.extent	1 recurso en línea (iii, 74 páginas)
dc.format.mimetype	application/pdf
dc.identifier.uri	https://hdl.handle.net/10893/40580
dc.language.iso	spa
dc.publisher	Universidad del Valle	spa
dc.publisher.branch	Sede Cali
dc.publisher.faculty	FACULTAD DE INGENIERÍA	spa
dc.publisher.place	Colombia	spa
dc.publisher.program	INGENIERIA EN ELECTRÓNICA	spa
dc.rights.accessrights	info:eu-repo/semantics/openAccess	spa
dc.rights.coar	http://purl.org/coar/access_right/c_abf2	spa
dc.rights.license	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)	spa
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.lemb	Procesamiento digital de señales
dc.subject.lemb	Reconocimiento de patrones
dc.subject.lemb	Detección de enfermedades
dc.subject.lemb	Parkinson
dc.subject.lemb	Audios de voz
dc.subject.lemb	Grabación de sonido
dc.subject.lemb	Redes neuronales
dc.title	Detección de presencia y ausencia de Parkinson en audios de voz	spa
dc.type	Trabajo de grado - Pregrado	spa
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.coarversion	http://purl.org/coar/version/c_970fb48d4fbd8a85	spa
dc.type.content	Text
dc.type.driver	info:eu-repo/semantics/bachelorThesis
dc.type.redcol	http://purl.org/redcol/resource_type/TP
dc.type.version	info:eu-repo/semantics/publishedVersion	spa
dspace.entity.type	Publication
person.identifier.orcid	0000-0001-7206-7333
relation.isDirectorOfPublication	663c0648-5dcc-4949-b040-be42c44a5ef8
relation.isDirectorOfPublication.latestForDiscovery	663c0648-5dcc-4949-b040-be42c44a5ef8