En la Sesion 4 del Proyecto Laennec, el alumnado entrena un Random Forest sobre los 13 coeficientes MFCC de cada sonido cardiaco, comprueba si mejora la deteccion de la extrasistole respecto al arbol unico, y descubre con feature importances que coeficiente MFCC pesa mas para distinguir un murmullo de un latido normal.
En la Sesion 3 del Proyecto Laennec, el alumnado calcula una matriz de confusion 3×3 sobre los sonidos del corazon (normal, murmullo, extrasistole), retoma macro avg frente a weighted avg y comprueba si el arbol de decision reconoce bien la clase minoritaria, la extrasistole.
En la Sesion 2 del Proyecto Laennec, el alumnado convierte cada sonido cardiaco en 13 coeficientes MFCC con librosa, construye la tabla de datos localizando los archivos reales con glob, reparte los datos con train_test_split y stratify, y entrena su primer arbol de decision sobre audio.
Presentacion del Proyecto Laennec, dedicado al inventor del estetoscopio: por que la deteccion de soplos y arritmias por sonido cardiaco sigue siendo relevante hoy, y de donde vienen los datos reales de audio (PASCAL Classifying Heart Sounds Challenge).
Sesion final del Proyecto Taussig: el alumnado predice a ojo y con un Random Forest la clase de latidos de ECG concretos, incluyendo una arritmia ventricular real, y se repasa todo el recorrido del proyecto desde Helen Taussig hasta los casos reales de muerte subita cardiaca en el deporte.
En la Sesion 5 del Proyecto Taussig, el alumnado usa validacion cruzada con scikit-learn para comprobar la estabilidad de sus modelos de arritmia cardiaca, y descubre una limitacion real y documentada del dataset de ECG: no se sabe que latidos pertenecen al mismo paciente.
En la Sesion 4 del Proyecto Taussig, el alumnado entrena un Random Forest sobre los latidos de ECG, comprueba si mejora la deteccion de la arritmia ventricular respecto al arbol unico, y descubre con feature importances en que instante exacto del latido se fija el modelo para decidir.
En la Sesion 3 del Proyecto Taussig, el alumnado calcula una matriz de confusion de 5×5 sobre los latidos de ECG, descubre la diferencia entre macro avg y weighted avg en classification_report, y comprueba si el arbol reconoce bien la arritmia ventricular pese al fuerte desequilibrio de clases.
Primer modelo del Proyecto Taussig: entrenamos un DecisionTreeClassifier sobre latidos de ECG reales de la MIT-BIH Arrhythmia Database, sin necesidad de train_test_split porque los datos ya vienen repartidos, y nos enfrentamos por primera vez en la familia de proyectos a una clasificacion de mas de dos clases.
Presentacion del Proyecto Taussig, dedicado a la cardiologa Helen Taussig: por que un detector de arritmias cardiacas conecta con casos reales de muerte subita en el deporte (Antonio Puerta, Hank Gathers, Christian Eriksen) y de donde vienen los datos reales de electrocardiograma (MIT-BIH Arrhythmia Database).