MODELOS DE MARKOV OCULTOS: UN AMBIENTE DE APRENDIZAJE PARA DETECCIÓN TEMPRANA DE ENFERMEDADES

Abstract

Los modelos de Markov ocultos (HMMs) consideran la incertidumbre inherente a datos y detección de patrones de datos complejos que no son identificables con otros métodos. En este artículo, se presenta desde el análisis de una señal ECG y el enfoque estadístico y probabilístico, la comprensión del uso de HMMs en la detección de enfermedades cardiovasculares –infartos-, de manera que la secuencia teórica y práctica propuesta enriquezca un ambiente de aprendizaje a través en el contexto de casos cercanos a la realidad clínica.