APRENDIZAJE AUTOMATICO Y SUS APLICACIONES EN LA REHABILITACION DIGITAL PARA PRED...
APRENDIZAJE AUTOMATICO Y SUS APLICACIONES EN LA REHABILITACION DIGITAL PARA PREDECIR RESULTADOS TERAPEUTICOS EN PACIENTES CON SINDROME POST COVID19 CON DETERIORO COGNITIVO
EL OBJETIVO DEL PROYECTO ES OBTENER MODELOS QUE SEAN CAPACES DE ESTIMAR EL EFECTO DE DIFERENTES METODOS DE REHABILITACION EN PACIENTES CON POST-COVID19. ESTE OBJETIVO SE OBTENDRA POR LA COMBINACION DE LAS DIFERENTES MEDIDAS QUE SE...
ver más
TED2021-130374B-C21
MONITORIZACION PREDICTIVA Y CAUSALIDAD PARA REHABILITACION C...
180K€
Cerrado
TED2021-130409B-C51
EFECTOS DE UNA REHABILITACION DIGITAL EN PERSONAS CON SINDRO...
196K€
Cerrado
TIN2015-73566-JIN
SOFT COMPUTING PARA ANALITICAS DE GAMIFICACION EN REHABILITA...
206K€
Cerrado
RTC-2016-4943-1
Cheerup. Suite de herramientas de apoyo a personas con Daño...
189K€
Cerrado
PRE2021-099121
MODELOS PARA LA ESCLEROSIS MULTIPLE USANDO DEEP LEARNING EN...
101K€
Cerrado
PID2020-115468RB-I00
DISEÑO DE MODELOS PREDICTIVOS AUTOMATICOS INTERPRETABLES EN...
302K€
Cerrado
Últimas noticias
30-11-2024:
Cataluña Gestión For...
Se ha cerrado la línea de ayuda pública: Gestión Forestal Sostenible para Inversiones Forestales Productivas para el organismo:
29-11-2024:
IDAE
En las últimas 48 horas el Organismo IDAE ha otorgado 4 concesiones
29-11-2024:
ECE
En las últimas 48 horas el Organismo ECE ha otorgado 2 concesiones
Descripción del proyecto
EL OBJETIVO DEL PROYECTO ES OBTENER MODELOS QUE SEAN CAPACES DE ESTIMAR EL EFECTO DE DIFERENTES METODOS DE REHABILITACION EN PACIENTES CON POST-COVID19. ESTE OBJETIVO SE OBTENDRA POR LA COMBINACION DE LAS DIFERENTES MEDIDAS QUE SE RECOGERAN DE LOS PARTICIPANTES EN EL ESTUDIO CLINICO. ESTOS DATOS CORRESPONDENA DIFERENTES MODALIDADES QUE PROVEERAN PERSPECTIVAS DIFERENTES Y COMPLEMENTARIAS.PARA OBTENER INFORMACION ADECUADA, SE DESARROLLARAN DIFERENTES METODOS DE APRENDIZAJE AUTOMATICO PARA EXTRAER Y GENERAR ATRIBUTOS QUE MEJOREN LA PRECISION DE LOS MODELOS DE PREDICCION. DIFFERENTES METODOS DEL AREA DE APRENDIZAJE PROFUNDO (POR EJEMPLO AUTOCODIFICADORES, APRENDIZAJE AUTO SUPERVISADO) SE DESARROLLARAN PARA ESTE PROPOSITO.LA LIMITACION DEL TAMAÑO DE MUESTRA EN ENSAYOS CLINICOS SUPONE UN PROBLEMA QUE AFECTA A LA CERTEZA DE LAS PREDICCIONES DE MODELOS DE APRENDIZAJE AUTOMATICO. SE PUEDEN USAR DIFFERENTES APROXIMACIONES PARA INCREMENTAR EL TAMAÑO DE MUESTRA GENERANDO EJEMPLOS PLAUSIBLES QUE PUEDEN USARSE EN EL DESARROLLO DE LOS MODELOS. PARA OBTENER ESTAS MUESTRAS METODOS GENERATIVOS DE APRENDIZAJE PROFUNDO (MODELOS DE FLUJO, MODELOS AUTOREGRESIVOS, AUTO CODIFICADORES VARIACIONALES, REDES ADVERSARIAS GENERATIVAS) SERAN DESARROLLADOS USANDO LOS DATOS MULTIMODALES DEL ENSAYO CLINICO. EL RESULTADO ESPERADO ES LA MEJORA EN LA PRECISION Y EN LA REDUCCION EN LA INCERTIDUMBRE DE LOS MODELOS PREDICTIVOS.
Seleccionando "Aceptar todas las cookies" acepta el uso de cookies para ayudarnos a brindarle una mejor experiencia de usuario y para analizar el uso del sitio web. Al hacer clic en "Ajustar tus preferencias" puede elegir qué cookies permitir. Solo las cookies esenciales son necesarias para el correcto funcionamiento de nuestro sitio web y no se pueden rechazar.
Cookie settings
Nuestro sitio web almacena cuatro tipos de cookies. En cualquier momento puede elegir qué cookies acepta y cuáles rechaza. Puede obtener más información sobre qué son las cookies y qué tipos de cookies almacenamos en nuestra Política de cookies.
Son necesarias por razones técnicas. Sin ellas, este sitio web podría no funcionar correctamente.
Son necesarias para una funcionalidad específica en el sitio web. Sin ellos, algunas características pueden estar deshabilitadas.
Nos permite analizar el uso del sitio web y mejorar la experiencia del visitante.
Nos permite personalizar su experiencia y enviarle contenido y ofertas relevantes, en este sitio web y en otros sitios web.