Alexander Alexis Suárez León

Alexander Alexis Suárez León

Auto-generated profile, based on publicly available information

Alexander Alexis Suárez León

Departamento de Ingeniería Biomédica Universidad de Oriente Santiago de Cuba Cuba

Research Focus & Metrics

Academic Career Length

9Years (2018-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
1 May 2018 in Computers in Biology and Medicine
Verified
Journal Article
Closed access
ASAlexander Alexeis Suárez-León
Alexander Alexeis Suárez-León
CVCarolina Varon
Carolina Varon
RWRik Willems
Rik Willems
SHSabine Van Huffel
Sabine Van Huffel
CVCarlos R. Vázquez-Seisdedos
Carlos R. Vázquez-Seisdedos

1 December 2019 in IEEE Latin America Transactions
Verified
Journal Article
Open access
ALAlexander Alexis Suárez León
Alexander Alexis Suárez León
José Ricardo Nuñez AlvarezJosé Ricardo Nuñez Alvarez
José Ricardo Nuñez Alvarez
This paper shows a novel approach for detecting ventricular heartbeats using a 1D Convolutional Neural Network (1D-CNN). The algorithm input is the raw ECG signal, i.e., no signal pre-processing nor feature extraction are involved. The output of the 1D-CNN is filtered using a combination of linear and nonlinear filters to produce the final output. The MIT-BIH arrhythmia database was used for both algorithm training/tuning and evaluation. The assessment methodology followed the interpatient paradigm, where the algorithm was trained and evaluated using independent subsets. The performance of the proposed method was evaluated for two tasks; QRS detection, and heartbeat classification. QRS detection resulted in a sensitivity of 99.0% and a positive predictivity of 96.5%. The performance assessment of the ventricular ectopic beat detection resulted in a sensitivity of 85.8% and a positive predictivity of 64.5%. Although there is still room for improvement, the results suggest that convolutional neural networks are a promising approach for building heartbeat classifiers.
1

1 November 2021 in Orange Journal
Verified
Journal Article
Open access
ACArianna Carralero-Paredes
Arianna Carralero-Paredes
ASAlexander A. Suárez-León
Alexander A. Suárez-León
ASAlexander Sóñora-Mengana
Alexander Sóñora-Mengana
JNJuan Carlos García Naranjo
Juan Carlos García Naranjo
Las enfermedades cardiovasculares (ECV) cobran la vida de cerca de 18 millones de personas cada año, constituyendo la principal causa de muerte e incapacidad en el mundo. Entre las enfermedades cardiovasculares, las arritmias cardiacas son las más comunes. Desde hace varios años, nuevos estudios han destacado las potencialidades de la onda fotopletismográfica para detectar arritmias, superando en sencillez y reducción de costos a la electrocardiografía (ECG). En este estudio se propone un método de detección de picos sistólicos de la onda fotopletismográfica para determinar la frecuencia cardiaca y con ello establecer la presencia de taquicardia, bradicardia o asístole. El método de detección de picos sistólicos calcula la primera derivada de la señal previamente filtrada. A continuación aplica un proceso de umbralización. Finalmente, en una etapa de agrupamiento se emplea el algoritmo DBSCAN. El algoritmo de detección de picos fue evaluado en 42 señales de una base de datos internacional multiparamétrica para la estimación del RR. La evaluación del método mostró alta exactitud y precisión (0±2 ms) y una sensibilidad y valor predictivo positivo del 99 %. Estos resultados permiten determinar la frecuencia cardiaca con una exactitud y precisión de 0±1 latido por minuto. Además, este algoritmo es evaluado en clasificación de arritmias utilizando 155 señales de la base de datos del PhysioNet/Computing in Cardiology Challenge del 2015. Para esta evaluación el algoritmo mostró resultados aceptables en la detección de asístole, bradicardia y taquicardia. La sensibilidad y el valor predictivo positivo fue del 79% y 88% para asístole, 74% y 64% para bradicardia y, 80% y 99% para taquicardia respectivamente. La efectividad del método puede afectarse en registros de señales con grandes variaciones de amplitud y/o con relaciones señal-ruido (SNR) bajas. No obstante, los resultados en estas condiciones son aceptables y son muy buenos en señales de alto SNR.

10 September 2026 in Clinical Physiology and Functional Imaging
Verified
Journal Article
Closed access
PDF file
ELErislandis López‐Galán
Erislandis López‐Galán
AMArquímedes Montoya‐Pedrón
Arquímedes Montoya‐Pedrón
RBRafael Barrio‐Deler
Rafael Barrio‐Deler
ASAlexander Alexeis Suárez‐León
Alexander Alexeis Suárez‐León
DBDania Barzaga‐Saborit
Dania Barzaga‐Saborit
Miguel Enrique Sanchez-HechavarriaMiguel Enrique Sanchez-Hechavarria
Miguel Enrique Sanchez-Hechavarria