Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

PID2020-117114GB-I00

Financiado

Cerrado

APLICACION DE MODELOS ESTADISTICOS REGULARIZADOS A PROBLEMAS EN BIOINFORMATICA,...

APLICACION DE MODELOS ESTADISTICOS REGULARIZADOS A PROBLEMAS EN BIOINFORMATICA, RECUPERACION DE IMAGENES BASADA EN CONTENIDO Y CLASIFICACION DE IMAGENES Y SEÑALES BIOMEDICAS EL OBJETO DEL PROYECTO ES EL ESTUDIO Y APLICACION DE METODOS DE REGULARIZACION DE MODELOS ESTADISTICOS (REGRESION LASSO, RIDGE, ELASTIC NET Y SUS MODIFICACIONES) A CIERTOS PROBLEMAS DE CLASIFICACION: DATOS OMICOS (MICROARRAYS, RNA... ver más

01/01/2020

56K€

Presupuesto del proyecto: 56K€

Líder del proyecto

UNIVERSITAT DE VALÈNCIA (ESTUDI GENERAL) No se ha especificado una descripción o un objeto social para esta compañía.

Sin perfil tecnológico

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2020-01-01 No tenemos la información de la convocatoria

0% 100%

Características del participante

Este proyecto no cuenta con búsquedas de partenariado abiertas en este momento.

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

Participantes

Lider

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Líder del proyecto

UNIVERSITAT DE VALÈNCIA (ESTUDI GENERAL) No se ha especificado una descripción o un objeto social para esta compañía.

Sin perfil tecnológico

Presupuesto del proyecto 56K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto EL OBJETO DEL PROYECTO ES EL ESTUDIO Y APLICACION DE METODOS DE REGULARIZACION DE MODELOS ESTADISTICOS (REGRESION LASSO, RIDGE, ELASTIC NET Y SUS MODIFICACIONES) A CIERTOS PROBLEMAS DE CLASIFICACION: DATOS OMICOS (MICROARRAYS, RNA-SEQ, SNP), IMAGENES HISTOPATOLOGICAS DE CANCER DE MAMA, ELECTROCARDIOGRAMAS Y RECUPERACION DE IMAGENES BASADA EN CONTENIDO. ESTAS APLICACIONES COMPARTEN UN PROBLEMA COMUN: UN GRAN NUMERO DE PREDICTORES (COVARIABLES) JUNTO CON UN PEQUEÑO NUMERO DE MUESTRAS PARA AJUSTAR EL MODELO, PROBLEMA CONOCIDO COMO LA MALDICION DE LA DIMENSIONALIDAD.PROBLEMAS DE APLICACION:RECUPERACION DE IMAGENES BASADA EN CONTENIDO (CBIR): ESTOS SISTEMAS USAN VECTORES DE CARACTERISTICAS EXTRAIDOS DE UNA PEQUEÑA MUESTRA DE IMAGENES PARA RECUPERAR RAPIDAMENTE IMAGENES SIMILARES DE MODO SATISFACTORIO PARA UN USUARIO CONCRETO. EL PRINCIPAL PROBLEMA ES LA BRECHA SEMANTICA: DIFERENCIA ENTRE EL NIVEL DE DESCRIPCION DADO POR LOS VECTORES DE CARACTERISTICAS Y LAS PREFERENCIAS DEL USUARIO. ANTERIORMENTE TRATAMOS DE SOSLAYAR ESTE PROBLEMA USANDO REGRESION LOGISTICA SOBRE GRUPOS DE DESCRIPTORES. AHORA PRETENDEMOS USAR UNA SELECCION RAPIDA DE GRUPOS DE VARIABLES MEDIANTE REGRESION LASSO POR GRUPOS REGULARIZADA.ANALISIS DE CIERTOS TIPOS DE DATOS OMICOS: DATOS TRANSCRIPCIONALES, EN CONCRETO DNA MICROARRAYS Y RNA-SEQ DISPONIBLES EN REPOSITORIOS DE ACCESO PUBLICO CON RESULTADOS EN BRUTO DE MILES DE EXPERIMENTOS. PRETENDEMOS USAR MODELOS DE REGRESION BINOMIAL NEGATIVA REGULARIZADOS PARA PREDEDIR LA CLASE DE LA MUESTRA. EL PARAMETRO DE DISPERSION SE ESTIMARA PREVIAMENTE PARA PODER ENCAJAR EN UN MODELO LINEAL GENERALIZADO. EL NUMERO DE CLASES SERA NORMALMENTE DOS (DISEÑO EXPERIMENTAL HABITUAL DE CASO VS CONTROL). ESTAMOS INTERESADOS EN PROBLEMAS DE CANCER COLORECTAL, AUNQUE LOS METODOS SERAN APLICABLES A OTROS TIPOS DE DATOS DE TRANSCRIPCION. PARA COLECCIONES DE GENES COMO GENE ONTOLOGY O KYOTO ENCYCLOPEDIA OF GENES AND GENOMES (KEGG) SE APLICARA REGRESION LOGISTICA LASSO POR GRUPOS A DATOS DE LAS MISMAS.DETECCION Y PRONOSTICO DE CANCER DE MAMA EN IMAGENES HISTOPATOLOGICAS: EL DIAGNOSTICO TRAS UNA MAMOGRAFIA SOSPECHOSA SE BASA EN UNA BIOPSIA DE TEJIDO TEÑIDO CON AGENTES QUIMICOS USADOS COMO MARCADORES CLINICOS, POR EJEMPLO SE USAN HEMATOXILINA Y EOSINA (H&E) PARA DETECTAR CELULAS TUMORALES, INDEPENDIENTEMENTE DE SU GRADO DE EVOLUCION O MALIGNIDAD. PRETENDEMOS DESARROLLAR UN SISTEMA DE AYUDA AL PRONOSTICO DE EVOLUCION DEL PACIENTE QUE, MEDIANTE UN ANALISIS AUTOMATICO DE LAS IMAGENES, EXTRAIGA DESCRIPTORES UTILES Y LOS CONECTE CON LOS VALORES DE SALIDA, CONCRETAMENTE: TIPO DE TUMOR, PROBABILIDAD DE DESARROLLAR METASTASIS Y ESPERANZA DE SUPERVIVENCIA. ESTE ES EL PUNTO PRINCIPAL EN EL QUE SE APLICARAN LOS MODELOS DE REGRESION REGULARIZADOS.ANALISIS DE SEÑALES ELECTROCARDIOGRAFICAS (ECG): LOS ECG PUEDEN VERSE COMO CURVAS/FUNCIONES. SE DEBEN SEGMENTAR LAS DIFERENTES ONDAS EN LA SEÑAL COMPLETA Y AJUSTAR UN DATO FUNCIONAL PARA CADA UNA. EL OBJETIVO PRINCIPAL ES DETECCION PRECOZ DE RECURRENCIAS EN FIBRILACION AURICULAR UTILIZANDO PATRONES FUNCIONALES DE PUNTOS MARCADOS. EN PARTICULAR, SE COMPARARA LA VARIACION INTRA- (MISMO INDIVIDUO) E INTER- (ENTRE INDIVIDUOS) DE LOS DATOS FUNCIONALES. DESPUES SE APLICARA REGRESION LOGISTICA REGULARIZADA DONDE LOS DATOS OBSERVADOS EN CADA INDIVIDUO SERAN LOS PREDICTORES PARA LA CLASIFICACION AUTOMATICA DE ECG DE 12 ELECTRODOS. ETODOS DE REGULARIZACION\SEÑALES ELECTROCARDIOGRAFICAS.\RECUPERACION DE IMAGENES BASADA EN CONTE\IMAGENES HISTOPATOLOGICAS DE CANCER DE M\ANALISIS ESTADISTICO DE DATOS OMICOS\CLASIFICACION\MODELOS LINEALES GENERALIZADOS\MODELOS LINEALES

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores