Search

El presente trabajo se centra en la clasificación e identificación de fármacos en imágenes, con el propósito de facilitar su elección y/o administración adecuada a pacientes postrados. La implementación del algoritmo se realiza mediante la combinación de metodologías convencionales de visión artificial e inteligencia artificial. El preprocesamiento se emplea para llevar a cabo la segmentación de la imagen, utilizando la técnica de umbralización. Una vez completada la segmentación, se procede a la clasificación de las pastillas mediante técnicas de aprendizaje de máquina, también conocido como machine learning en inglés. En el contexto específico de este trabajo, se opta por el uso de máquinas de vectores de soporte (SVM por sus siglas en inglés), las cuales demuestran una notable eficacia en la clasificación de datos linealmente separables. Finalmente, el resultado es una imagen que muestra los distintos medicamentos clasificados y localizados en un plano cartesiano para su futuro suministro a cualquier paciente.

La calidad en el servicio es una variable que tiene consigo un propósito subyacente que es la satisfacción del cliente, los indicadores de calidad en el servicio del sector hotelero han sido analizados en investigaciones múltiples. El artículo tiene como objetivo identificar los indicadores más significativos de la calidad en el servicio, se presenta una metodología experimental cuantitativa disruptiva que utiliza el aprendizaje de máquina, particularmente K-medias como técnica de aprendizaje no supervisado para agrupar el conjunto de datos que describe la calidad en el servicio. Los resultados del análisis estadístico demuestran que los indicadores más importantes fueron Asertividad y Aclaraciones del capital humano. El uso de nuevas metodologías contribuye a modelar aquellos indicadores de la calidad en el servicio hotelero y se promueve información multidisciplinar que pueden llegar a tener otros escenarios de información para tomar decisiones gerenciales en el sector hotelero.

En la actualidad, la tecnología se ha convertido en una herramienta imprescindible para mejorar la calidad de vida de las personas y facilitar el desarrollo de las ciudades y comunidades. En este contexto, los sistemas inteligentes conversacionales, también conocidos como chatbots, han adquirido una gran importancia en múltiples campos de las novedosas “ciudades inteligentes”. Aunque simple en apariencia, una aplicación de mensajería con la capacidad de sostener un gran número de conversaciones con sus usuarios, que puede mantener un flujo de información mayor que cualquier otra herramienta utilizada hasta el momento, es de inmenso interés para entidades públicas y privadas. Utilizando tecnologías de Inteligencia Artificial (IA), redes neuronales recurrentes y aprendizaje de máquina, puede analizar enormes volúmenes de datos, comprender intenciones y comportamientos para ofrecer las respuestas correctas a cualquier usuario estudiando su contexto. En el presente artículo se describe el trabajo realizado para aplicar la tecnología de los sistemas inteligentes en la creación de un asistente virtual orientado a la Oficina de Empleo local de Caleta Olivia. Se realiza un estudio de los conceptos de procesamiento de lenguaje natural, análisis de modelos de lenguaje y de redes neuronales, para la creación del chatbot capaz de resolver consultas y entregar la información solicitada a cualquier posible ciudadano que desee interactuar con esta oficina de empleo. Todo esto teniendo en cuenta el uso de un lenguaje natural, sencillo y fácil de comprender, personalizado y accesible, competente en la detección de intenciones poco claras y un alto nivel de expansión con auto aprendizaje.

Este artículo aborda la falta de información oportuna sobre la pobreza multidimensional en México. Tres algoritmos de aprendizaje de máquina —la regresión LASSO logística, el bosque aleatorio y las máquinas de vectores de soporte— son entrenados con la ENIGH para encontrar patrones generalizables de pobreza multidimensional en los datos. Los modelos se utilizan para clasificar a cada individuo en la ENOE como pobre o no-pobre para obtener tasas de pobreza trimestrales. Estas estimaciones son más cercanas a los niveles de pobreza multidimensional que la pobreza laboral y brindan una perspectiva precisa sobre la pobreza con más de un año de antelación a la medición oficial.

Este artículo presenta una revisión de investigaciones realizadas mediante diferentes estrategias de control aplicadas en hornos cementeros rotatorios, sistema donde se da la fabricación de clínker, material indispensable para la elaboración del cemento. Esta exploración menciona estudios que se han desarrollado desde los años ochenta hasta el presente, destacando en cada una la metodología de control utilizada, los beneficios obtenidos en el proceso y sus futuras aplicaciones, esto con el fin de brindar al lector una visión global del uso de técnicas de control para hornos cementeros rotatorios y de cómo los avances científicos, con el paso de los años, han contribuido a esta industria en la eficiencia y mejora de sus procesos productivos; por tanto, se mencionan aportes y métodos de control como sistemas expertos (SE), control predictivo basado en modelo (MPC), redes neuronales artificiales y lógica difusa. Al finalizar la mencionada revisión se infiere que tecnologías de inteligencia artificial y de la industria 4.0 que se tienen actualmente como la computación en la nube, el procesamiento de grandes volúmenes de datos, el uso de los gemelos digitales, la ejecución de algoritmos de aprendizaje automático (machine learning) y sus herramientas de predicción, junto con la aplicación de SE y demás técnicas de control mencionadas, permitirían realizar un control avanzado, que pueda responder de forma satisfactoria a las necesidades de producción actuales y ofrecer múltiples beneficios como el tiempo de respuesta del control, la estabilidad, y mejoras en producción y calidad del material en un horno rotatorio.

Este trabajo propone un esquema de detección y localización de fallas en los actuadores de un vehículo aéreo no tripulado (VANT) del tipo cuadrirrotor. Para ello, se considera un enfoque basado en datos haciendo uso de técnicas de aprendizaje de máquina. En este enfoque se construye un modelo implícito del sistema a través de la información proporcionada por los sensores del VANT. Primero, a través de un plataforma de vuelo de tipo giroscópica, se captan las vibraciones correspondientes a la orientación, posición angular y aceleración lineal cuando el vehículo se encuentra en vuelo estacionario en condiciones nominales. Estos datos se procesan mediante Análisis en Componentes Principales (PCA) para la extracción de características. Posteriormente, se induce una falla a los actuadores a través de un recorte en cada una de las hélices del VANT que ocasionan una reducción del empuje generado por los rotores. Estos datos se proyectan también al subespacio de componentes principales y se comparan con los datos nominales. Para discernir entre los datos nominales y los datos cuando el vehículo presenta falla, se emplea el estadístico T2 de Hotelling. Finalmente, el desarrollo se complementa con los algoritmos de clasificación de k-vecinos más cercanos (k-NN) y de máquina de vectores de soporte (SVM). Los resultados muestran una tasa de clasificación correcta del 89.6 % (k-NN) y 92.4 %(SVM) respectivamente para 423 conjuntos de datos de validación.

Las entidades fiscalizadoras superiores, y en específico su ente rector, la Organización Internacional de las Entidades Fiscalizadoras Superiores (INTOSAI), han impulsado en los últimos cuatro años iniciativas encaminadas al uso de tecnologías y métodos para sus procesos de vigilancia y fiscalización que sean replicables y que generen resultados tangibles en el contexto fiscal. En este sentido, la Contraloría General de la República de Colombia viene fortaleciendo su infraestructura tecnológica y capacidades técnicas con mirar a mejorar y optimizar sus esfuerzos en cuanto a la vigilancia de los recursos de los colombianos. Aunque dicha tarea no es sencilla, esta entidad ha logrado detectar patrones de aquellos contratistas que acaparan la contratación estatal, logrando estar en diferentes sectores económicos sin tener probablemente la competencia técnica para cumplir el objeto contractual estipulado. A estos se les conoce en el ámbito de la Contraloría General como contratistas “multiobjeto”. En el presente artículo se muestra la construcción de un conjunto de datos de 1.998 registros etiquetado por expertos, que corresponden a contratos del sector educativo en Colombia. Con este instrumento se llevó a cabo el entrenamiento y las pruebas sobre un clasificador automático construido para los objetos contractuales a fin de detectar presuntos contratistas “multiobjeto”. Adicionalmente, se encontró que el mejor algoritmo de clasificación fue “Máquina de Soporte Vectorial Lineal”, con una exactitud de 84 %, el cual permitió finalmente listar por agrupamiento los presuntos contratistas de este tipo.

Introducción-Al conducir, la persona se encuentra expuesta a diferentes estímulos que pueden llevar a que se ocasione accidentes. Aunque Numerosas propuestas tecnológicas se han presentado para mantener monitoreado al conductor, estas han pasado por alto el estado anímico en el que este se encuentra, el cual podría generar efectos negativos en la capacidad de reacción al conducir. Objetivo- Buscar diferentes alternativas de inteligencia artificial para el análisis permanente de rostros de conductores, con el fin de encontrar un buen modelo de clasificación de expresión facial (feliz, enojo, sorpresa, neutral). Metodología- La metodología utilizada consiste en la selección de una base de datos que es preprocesada, para posteriormente entrenar diferentes modelos y realizar comparaciones de precisión entre ellos. Resultados- Se logra encontrar una precisión mayor al 80% en la detección del estado anímico del usuario. Y se logra migrar el modelo a un sistema de monitoreo portátil. Conclusiones- En este caso particular los métodos de aprendizaje de maquina tradicionales (machine learning) consumen menos tiempo a la hora de clasificar, sin embargo, estos son superados en precisión por un aprendizaje profundo.

Este documento presenta la implementación de un software de reconocimiento de lenguaje de señas colombiano para personas sordas. Para este propósito, el Aprendizaje de Máquina será usado como base del sistema específico. Hoy en día no existe un repositorio público de imágenes o video que contenga estas señas ni la información necesaria para alcanzar esta meta, siendo uno de los principales impedimentos para iniciar la tarea. Por esta razón, se comenzó con la construcción de un repositorio. Pese a las dificultades de tiempo de los participantes, cinco personas realizaron las señas ante una cámara de video, de donde se obtuvieron las imágenes que compondrían el repositorio. Una vez hecho esto, las imágenes se usaron como datos de entrenamiento de un modelo computacional óptimo que puede predecir el significado de una nueva imagen presentada. Evaluamos el rendimiento del método utilizando medidas de clasificación y comparando diferentes modelos. La medición conocida como Accuracy fue un factor importante para medir los diferentes modelos obtenidos y así elegir el más adecuado. Los resultados muestran que es posible proporcionar nuevas herramientas a las personas sordas para mejorar la comunicación con otras personas que no conocen el lenguaje de señas. Una vez que se han elegido los mejores modelos, se prueban con nuevas imágenes, similares a las del entrenamiento, donde se puede ver que el mejor modelo logra una tasa de éxito de alrededor del 68 % de las 22 clases utilizadas en el sistema.

En la literatura científica actual se discute ampliamente acerca de la predicción de propiedades edáficas mediante información espectral. El objetivo de esta revisión fue encontrar algoritmos con el mayor potencial predictivo para las propiedades fisicoquímicas del suelo, basados en información espectral capturada con diferentes instrumentos. Se realizó una revisión sistemática en la cual se encontraron 121 artículos de los cuales se eligieron 19, que cumplieran con un coeficiente de determinación mayor a 0,80 o una raíz del error cuadrado medio cercana a 0. Se determinó que el rango espectral más utilizado corresponde al rango desde 350 hasta 2500 nm; los algoritmos mínimos cuadrados parciales, máquina de soporte vectorial y máquina de soporte vectorial ajustado son adecuadas para predecir pH, materia orgánica y carbono orgánico. Además, la regresión lineal solo es efectiva para predecir el carbonato de calcio, materia orgánica, humedad y contenido de agua mediante bandas individuales.

El trabajo describe el proceso semi-asistido de desarrollo del estado del arte en investigación. Así, se presenta un prototipo de software basada en inteligencia artificial, un estudio de caso de un proyecto de doctorado y los resultados de una encuesta llevada a cabo a 40 estudiantes de maestría y doctorado, quienes reportan la utilidad de la herramienta. En el documento se presenta la arquitectura, la implementación del prototipo de software y un estudio comparativo con las herramientas existentes. Se discuten las potencialidades del proceso asistido por la herramienta y el impacto positivo que puede tener en la investigación, principalmente en el contexto colombiano. Así también se discuten las técnicas de inteligencia artificial implementadas, la escalabilidad de la herramienta y la facilidad de integrar nuevos análisis y visualizaciones.

Este artículo presenta el diseño y simulación de un controlador basado en redes neuronales para regular la tensión de salida de un convertidor flyback. Se usan redes neuronales, ya que estas no requieren de un modelo matemático del convertidor, y, por tanto, se obtiene un mayor rango de operación respecto a métodos de control tradicional. En el entrenamiento se realizan cambios en la base de datos y en la arquitectura para obtener el controlador más apropiado, que garantice la regulación de línea y carga del convertidor. La validación del controlador neuronal funcional se realiza en Simulink con el modelo circuital de un convertidor flyback, sometiéndolo a cambios en la tensión de entrada y en la carga resistiva. Los resultados obtenidos muestran la efectividad del control neuronal para la regulación de línea entre 20 V y 50 V, regulación de carga entre 8 Ω y 12 Ω, y cuya arquitectura está conformada por cuatro neuronas.

el presente artículo expone el diseño de una arquitectura de red para reconocimiento de patrones orientada a la clasificación automática de dos tipos de peces: mojarra y tilapia. Se emplea una arquitectura basada en aprendizaje profundo mediante una red neuronal convolucional (RNC) para la cual se determina la base de datos a emplear y los diferentes hiperparámetros que la componen. Se logra obtener, mediante análisis por matriz de confusión, un desempeño del 100% de la red bajo las condiciones controladas el sistema de clasificación, es decir: color de banda transportadora uniforme y uso de luz día.

Harmonics espera apoyar a la pedagogía musical, ofreciendo un producto concreto con el cual los interesados en aprender a tocar un instrumento puedan practicar. Se entrenó un modelo para identificar y aislar las pistas singulares de una canción, por medio de TensorFlow y herramientas para realizar la separación de fuentes auditivas y producir partituras genuinas, basadas en un algoritmo de transcripción musical (para pianos, bajos, batería y voz, específicamente), que los principiantes puedan visualizar, editar y descargar (en formatos .PDF y .MIDI), ajustándose a su ritmo de práctica. Se consideraron tres métodos de separación de fuentes, bajo las siguientes restricciones: emplear una única canción como archivo de entrada, que ésta fuera moderadamente compleja (compuesta por un conjunto de entre tres y seis instrumentos) y que la cantidad de muestras –canciones compuestas por instrumentos relevantes y pistas de cada instrumento por separado– aptas para el entrenamiento del modelo, sean sumamente escasas.

Se presenta una interesante aplicación de aprendizaje de máquina en la originación de créditos en microfinanzas. El objetivo de microfinanzas son las personas que no pueden construir un historial crediticio y, en consecuencia, no pueden acceder a préstamos de bancos u otras instituciones financieras. Usamos datos de una compañía microfinanciera mexicana que opera en varias regiones del país. De igual modo, se pretende guiar a prestamistas intermediarios para escoger sus clientes y alcanzar un menor riesgo de crédito. Usamos varios modelos estadísticos como análisis de componentes principales, análisis de grupos y árboles de regresión. Obtenemos, como resultado, una serie de recomendaciones basadas en las características de los clientes.

Hoy en día, las redes neuronales artificiales y el deep learning, son dos de las herramientas más poderosas del aprendizaje de máquina, que tienen por objetivo desarrollar sistemas que aprenden automáticamente, reconocen patrones, predicen comportamientos y generalizan información a partir de conjuntos de datos. Estas dos herramientas se han convertido en un potencial campo de investigación con aplicaciones a la ingeniería, no siendo la ingeniería biomédica la excepción. En este artículo se presenta una revisión actualizada de las principales aplicaciones de las redes neuronales y el deep learning a la ingeniería biomédica en las ramas de la ómica, la imagenología, las interfaces cerebro-máquina y hombre-máquina, y la gestión y administración de la salud pública; ramas que se extienden desde el estudio de procesos a nivel molecular, hasta procesos que involucran grandes poblaciones.

En el presente artículo se expone el entrenamiento de una Red Neuronal Convolucional (RNC) para discriminación de herramientas de uso común en tareas de mecánica, electricidad, carpintería y similares. Para el caso, se toman como objetivos de entrenamiento pinzas, destornilladores, tijeras y alicates, los cuales puedan ser identificados por la red, y permite dotarle a un brazo robótico la facultad de identificar una herramienta deseada - de entre las anteriores - para su posible entrega a un usuario. La arquitectura neuro convolucional empleada para la red presenta un porcentaje de acierto del 96% en la identificación de las herramientas entrenadas.

En este artículo se presenta una evaluación de descriptores espacio frecuencia y técnicas de análisis de texturas para la clasificación de textiles. La metodología de trabajo consta de tres etapas fundamentales: la caracterización, la clasificación y la validación. En la etapa de caracterización se utilizan descriptores como la Transformada Wavelet, la Transformada de Fourier, un método de caracterización de textura del estado del arte como lo es segmentación fractal para el análisis de texturas (SFTA) y la adaptación de la transformada corta de Fourier en espacio. Para la etapa de clasificación se analiza el uso de tres métodos del estado del arte, como lo son las Redes Neuronales Artificiales (RNA), Máquinas de Soporte Vectorial (SVM) y el Proceso Gaussiano (GP), a estos dos últimos se les incluyeron el uso de kernels lineales, Gaussianos y polinomiales. Para validar el método se construye una base de datos anotada con diez tipos de telas, con un total de 1.000 fotos, a las cuales se les aplica el proceso caracterización y clasificación por medio de un experimento Montecarlo. En esta etapa se generan configuraciones aleatorias de entrenamiento (70 %) y prueba (30 %), obteniendo el desempeño de cada modelo de clasificación. Por último, se obtiene la matriz de confusión y se determinan los porcentajes de acierto de cada experimento, adicionalmente se realiza un análisis de tiempos para cada uno de los algoritmos, tanto a nivel de descriptor como a nivel de clasificador, con el fin de determinar la configuración que mejores prestaciones presenta y su costo computacional.

El uso de prótesis es uno de los métodos de rehabilitación más utilizados por personas con amputación. En el caso de un amputado transtibial se hace uso de prótesis transtibial. Para lograr el adecuado ajuste entre la prótesis y la persona, se realiza la alineación de la prótesis, esto permitirá al sujeto amputado tener estabilidad, confort, adecuada distribución de fuerzas y momentos, igualdad ipsi y contralateral, entre otros. La alineación estática tiende a ser subjetiva, es realizada de forma observacional por personal experto en el tema. La presente investigación muestra una propuesta para realizar la alineación estática de forma objetiva, toma como base la distribución de presión sobre la superficie plantar y la ubicación del Centro de Presión (COP). Con el uso de sistemas de aprendizaje de máquina, como la máquina de soporte vectorial (SVM), y las variables biomecánicas nombradas se generó una herramienta computacional que da a conocer si existe alineación de la prótesis. Se obtuvo un rendimiento cercano al 100% con el modelo propuesto. Se comprueba que con el uso de recursos tecnológicos en el área de rehabilitación de amputados se puede realizar de forma objetiva la alineación estática de prótesis transtibiales

Las técnicas de aprendizaje de máquina continúan siendo muy utilizadas para la minería de texto. Para este artículo se realizó una revisión de literatura en periódicos científicos publicados en los años de 2010 y 2011, con el objetivo de identificar las principales formas de aprendizaje de máquina empleadas para la minería de texto. Se utilizó estadística descriptiva para organizar, resumir y analizar los datos encontrados, y se presentó una descripción resumida de las principales encontradas. En los artículos analizados se hallaron 13 aplicadas para la minería de texto, el 83% de los artículos mencionaban de 1 a 3 técnicas de aprendizaje de máquina, las principales usadas por los autores en los artículos estudiados fueron support vector machine (svm), k-means (k-m), k-nearest neighbors (k-nn), naive bayes (nb), self-organizing maps (som). Los pares que aparecen con mayor frecuencia son svm/nb, svm/k-nn, svm/decission tree.

La predicción inmediata de la actividad económica (es decir, hacer estimaciones del período actual), es conveniente porque la mayoría de las medidas tradicionales de actividad económica se realizan con rezagos sustanciales. Nuestro objetivo es predecir el ISE, un indicador de actividad económica de corto plazo en Colombia. Las entradas son los rezagos del ISE y un conjunto de datos de pagos realizados entre individuos, empresas y el gobierno central, mediante transferencias electrónicas y cheques. Bajo un enfoque de modelado predictivo, empleamos un modelo de red neuronal exógena autoregresiva no lineal. Los resultados sugieren que nuestra elección de insumos y el método predictivo, nos permiten difundir la actividad económica con una precisión razonable. Además, validamos que los datos de pagos electrónicos reducen significativamente el error de predicción en un modelo de red neuronal autoregresiva de referencia. La predicción inmediata de la actividad económica con datos de los instrumentos de pago electrónicos, no solo contribuye a la toma de decisiones de los agentes y al modelado económico, sino que también soporta nuevas vías de investigación sobre cómo utilizar dichos datos en modelos actuales.

Identification of brain signals from microelectrode recordings (MER) is a key procedure during deep brain stimulation (DBS) applied in Parkinson’s disease patients. The main purpose of this research work is to identify with high accuracy a brain structure called subthalamic nucleus (STN), since it is the target structure where the DBS achieves the best therapeutic results. To do this, we present an approach for optimal representation of MER signals through method of frames. We obtain coefficients that minimize the Euclidean norm of order two. From optimal coefficients, we extract some features from signals combining the wavelet packet and cosine dictionaries. For a comparison frame with the state of the art, we also process the signals using the discrete wavelet transform (DWT) with several mother functions. We validate the proposed methodology in a real data base. We employ simple supervised machine learning algorithms, as the K-Nearest Neighbors classifier (K-NN), a linear Bayesian classifier (LDC) and a quadratic Bayesian classifier (QDC). Classification results obtained with the proposed method improves significantly the performance of the DWT. We achieve a positive identification of the STN superior to 97,6%. Identification outcomes achieved by the MOF are highly accurate, as we can potentially get a false positive rate of less than 2% during the DBS.

Hoy en día se recogen datos de muy diversa índole y a un bajo costo, como no se había visto antes en la historia de la humanidad; por ejemplo, sensores que registran datos a cada minuto, páginas web que almacenan todas las acciones que realiza el usuario, supermercados que guardan todo lo que sus clientes compran y en qué momento lo hacen. Pero estas grandes bases de datos presentan un gran reto a sus propietarios ¿Cómo sacarles provecho?, ¿cómo convertir datos en información para la toma de decisiones? Este artículo presenta una estrategia basada en el aprendizaje de máquina para tratar con conjuntos de datos no etiquetados utilizando conjuntos aproximados y/o ganancia de información. Se propone una estrategia para agrupar los datos utilizando k-means, considerando cuánta información aporta un atributo (ganancia de información), además de poder seleccionar cuáles atributos son realmente indispensables para clasificar nuevos datos y cuáles son dispensables (conjuntos aproximados), lo cual es muy beneficioso pues permite tomar decisiones en menor tiempo.

Este trabajo presenta el desarrollo de un modelo de clasificación de arritmias cardiacas, basado en la duración de las ondas de registros electrocardiográficos, utilizando técnicas de clasificación supervisada. Los clasificadores desarrollados se basaron en técnicas de aprendizaje de máquina, Se implementaron metaclasificadores para los diferentes clasificadores. El desempeño de los diferentes clasificadores se probó aplicando criterios objetivos de comparación, y se obtuvieron resultados prometedores. Para presentar los resultados al usuario final, se diseñó una interfaz para ser usada por el especialista como ayuda a la clasificación de arritmias.

El reconocimiento facial tridimensional busca subsanar las falencias que presentan los métodos basados en imágenes bidimensionales. Este tipo de reconocimiento tiene la ventaja de que las representaciones no son afectadas por cambios en la iluminación, dado que viene dada como una nube de puntos o una malla 3D donde la geometría juega un papel crucial. En este trabajo se presenta un sistema de reconocimiento de rostros, que utiliza un conjunto de descriptores de forma 3D, seleccionados a partir de un análisis de relevancia mediante coeficientes de Fisher en diferentes regiones del rostro que hacen parte de un modelo antropométrico del rostro. Se realizó un conjunto de experimentos para reconocer individuos e identificar sus expresiones y género a partir del análisis de relevancia planteado. Los resultados obtenidos muestran que la elección de características utilizando un análisis de relevancia incrementa el rendimiento del sistema de reconocimiento.

Este trabajo presenta el desarrollo de un modelo de clasificación de arritmias cardiacas, basado en la duración de las ondas de registros electrocardiográficos, utilizando técnicas de clasificación supervisada. Los clasificadores desarrollados se basaron en técnicas de aprendizaje de máquina, Se implementaron metaclasificadores para los diferentes clasificadores. El desempeño de los diferentes clasificadores se probó aplicando criterios objetivos de comparación, y se obtuvieron resultados prometedores. Para presentar los resultados al usuario final, se diseñó una interfaz para ser usada por el especialista como ayuda a la clasificación de arritmias.