Ingeniero Civil Mecánico / La confiabilidad en todo proceso de ingeniería es fundamental para asegurar su correcto y seguro desarrollo. Por este motivo se vuelve imperante ampliar las fronteras de análisis en confiabilidad, dejando de tener como eje central el análisis de equipos técnicos, apuntando de manera paralela al estudio de confiabilidad del operador de dichos equipos. Las nuevas herramientas de aprendizaje de máquinas permiten a una computadora analizar información en base a algoritmos para aprender a identificar características concretas de su entorno. Dentro de estas nuevas herramientas, las redes neuronales convolucionales (CNN) se presentan como una de las técnicas más robustas para el reconocimiento de imágenes. Mediante esta técnica es posible determinar patrones de frecuencia en señales de electroencefalografía (EEG) para determinar diversos estados anímicos de un individuo. El objetivo general de la memoria consiste en desarrollar un modelo para la detección del estado de somnolencia de un operador en base a redes neuronales convolucionales utilizando señales de electroencefalografía. Los objetivos específicos son: Desarrollar, comprender y manejar un modelo de detección de sujetos con ojos abiertos y cerrados en base a CNN, a través del procesamiento de señales de electroencefalografía. Desarrollar, comprender y manejar un modelo de detección de sujetos en estado de somnolencia utilizando CNN a través del procesamiento de señales de electroencefalografía. Comparar la clasificación de sujetos en estado de somnolencia realizada con redes neuronales convencionales (NN), Support Vector Machines (SVM) y Random Forest (RF). Para llevar a cabo los objetivos planteados, se utilizó la base de datos de somnolencia multimodalidad ULg . Con ella, en primer lugar, se generaron seis conjuntos de datos a evaluar, con sus respectivas etiquetas. Luego se elaboró un clasificador utilizando CNN, capaz de clasificar entre sujetos con y sin somnolencia, con el cual además se encontró el conjunto de datos que entregaba el mayor desempeño para el modelo creado. Posteriormente se procedió a comparar el desempeño de la red elaborada con el conjunto de datos optimo generado con NN, SVM y RF. Luego de comparar el rendimiento entregado por cada modelo, se obtuvo que las redes neuronales convolucionales representan el método más a fin para realizar la clasificación de sujetos bajo estado somnolencia, entregando una exactitud de clasificación superior al 86%.

Ingeniero Civil Industrial / Este trabajo se enmarca dentro del proyecto KOKORO el cual busca, entre otras cosas, utilizar y analizar las variables fisiológicas del cuerpo para ayudar a la prevención primaria de enfermedades cardiovasculares (ECV) mediante sistemas de alarmas previas y nuevos índices de prevención. Específicamente este trabajo explora el proceso de Diseño, desarrollo y validación de un modulo funcional para la visualización de factores de riesgo en pacientes con enfermedades cardiovasculares a partir de los problemas levantados en el Hospital del Salvador y el Instituto nacional del Tórax. Las ECV en Chile son la causa del 27,1\% de las defunciones del país según el MINSAL, midiéndose este riesgo utilizando el índice de Framingham. Con lo anterior como motivación para el diseño de un sistema de control de pacientes cardiovasculares utilizando tecnologías de la información, se procedió a tener conversaciones con funcionarios del hospital del Salvador, lo que dio como resultado un número de problemáticas básicas que deberían ser solucionadas para poder implementar este sistema de control. Las principales problemáticas que se presentaron respecto al control de pacientes, fueron la ausencia de información de los pacientes llegando a un 40\% la cantidad de veces que está no se encuentra o no llega a tiempo, la poca inmediatez de la información de los pacientes y las inasistencias de los mismos a sus horas médicas, donde se presentaba alrededor de un 30\% de ausencias. Algunas razones de los primeros dos problemas indicaban a la búsqueda de documentos físicos en el archivo del hospital donde se suelen extraviar una gran cantidad de documentos al día. Dado lo anterior, en conjunto con médicos del Hospital del Salvador y del Instituto Nacional del Tórax, se propuso el diseño y desarrollo de un módulo funcional donde se pudiesen almacenar los datos de los pacientes en un formato digital, dando solución a los primeros dos problemas. Este modulo pasó por un posterior proceso de validación dividido en 2 partes para el perfeccionamiento de la plataforma entregada. El módulo final desarrollado consistió en una plataforma web con una base de datos integrada, donde se puede añadir, buscar y analizar datos con relación a ECV de pacientes a través del tiempo, para promover la inmediatez de información, evitar que esta se extravié y dar una condensación de ella, donde los médicos recibieran las variable mas importantes para realizar diagnósticos. Además, se deja una propuesta para monitoreo a distancia, basada en el estado del arte y entrevistas con médicos y, por último, algunas recomendaciones de trabajo a futuro para poder expandir el proyecto como la formación de un índice de riesgo CV propio del país, la integración de otros factores independientes al índice de riesgo, entre otras.