PID2021-122209OB-C32
Financiado
MODELIZACION ESTOCASTICA PARA EL APRENDIZAJE AUTOMATICO. APLICACIONES AL DIAGNOSTICO ASISTIDO POR ORDENADOR
ESTE SUBPROYECTO SE ENCUADRA DENTRO DE UN PROYECTO COORDINADO PROPUESTO EN COLABORACION CON LA UNIVERSIDAD POLITECNICA DE MADRID Y LA UNIVERSIDAD DE ZARAGOZA. ESTA MOTIVADO POR LA PRIORIDAD CIENTIFICA, TECNOLOGICA Y SOCIAL QUE TIE...
ESTE SUBPROYECTO SE ENCUADRA DENTRO DE UN PROYECTO COORDINADO PROPUESTO EN COLABORACION CON LA UNIVERSIDAD POLITECNICA DE MADRID Y LA UNIVERSIDAD DE ZARAGOZA. ESTA MOTIVADO POR LA PRIORIDAD CIENTIFICA, TECNOLOGICA Y SOCIAL QUE TIENE EL DESARROLLO Y USO DE HERRAMIENTAS, TECNOLOGIAS Y SOLUCIONES DIGITALES EN EL AMBITO DE LA SALUD.EN ESTE SUBPROYECTO SE PROPONE LA OBTENCION DE RESULTADOS METODOLOGICOS EN MODELIZACION ESTOCASTICA BAYESIANA APLICABLES A LA AYUDA AL DIAGNOSTICO Y SEGUIMIENTO DE ENFERMEDADES DETECTABLES POR VOZ (PARKINSON, NODULOS, EDEMAS DE REINKE
) CON UN ENFOQUE DE TOMA DE DECISIONES COLABORATIVAS Y COGNITIVAS. LAS TECNICAS DE APRENDIZAJE AUTOMATICO QUE SE DESARROLLEN SERAN ESPECIALMENTE INTERESANTES YA QUE SERAN OBJETIVAS, DE BAJO COSTE, NO INVASIVAS Y APLICABLES EN REMOTO. ESTO SE AJUSTA A LAS PRIORIDADES DE LOS PROGRAMAS DE INVESTIGACION EUROPEOS, NACIONALES Y REGIONALES. SE DESARROLLARAN MODELOS BAYESIANOS MULTICLASES PARA CLASIFICACION Y SELECCION DE VARIABLES QUE CONSIDEREN LA VARIABILIDAD INTRA-SUJETO Y QUE SEAN APLICABLES A DISEÑOS EXPERIMENTALES MAS REALISTAS QUE LOS TRADICIONALES BASADOS EN INSTANCIAS INDEPENDIENTES. TAMBIEN SE DESARROLLARAN MODELOS JERARQUICOS BAYESIANOS PARA GESTIONAR DATOS LONGITUDINALES EN UN CONTEXTO DE COVARIABLES REPLICADAS, ERRORES DE MEDIDAS EN LAS OBSERVACIONES Y/O DATOS FALTANTES. SE PROPORCIONARAN ESQUEMAS DE DECISION QUE CONSIDEREN FUNCIONES DE UTILIDAD ACTUALIZABLES CON EL TIEMPO Y QUE PERMITAN ESTIMAR EL RIESGO ASOCIADO A EVENTOS DE INTERES. TAMBIEN SE DESARROLLARAN MODELOS ESPACIO-TEMPORALES JERARQUICOS BAYESIANOS BASADOS EN COPULAS PARA MODELAR ADECUADAMENTE LA DEPENDENCIA DE VALORES EXTREMOS EN UN ENTORNO DE MULTIPLES CARACTERISTICAS ACUSTICAS. INICIALMENTE, ESTOS MODELOS SE RESOLVERAN MEDIANTE METODOS DE MONTE CARLO BASADOS EN CADENAS DE MARKOV, PERO SE ESTUDIARAN MODELOS HIBRIDOS QUE LOS COMBINEN CON METODOS BAYES VARIACIONALES Y OTRAS APROXIMACIONES NUMERICAS.SE PROPONDRA EXTENDER EL CONCEPTO DE APRENDIZAJE AUTOMATICO ADVERSARIO AL CASO DE SISTEMAS DE AYUDA AL DIAGNOSTICO DE ENFERMEDADES DETECTABLES POR VOZ. ESTE CONCEPTO ES EMERGENTE Y PERMITIRIA RECONOCER Y CORREGIR MODIFICACIONES DE DATOS QUE SE PRODUZCAN EN EL PROCESO DE GENERACION. SE ANALIZARA SI LOS MODELOS ENTRENADOS EN UN SISTEMA ADVERSARIO PUEDEN MEJORAR SIGNIFICATIVAMENTE LA DETECCION DE PATOLOGIAS EN COMPARACION CON LOS SISTEMAS BASADOS EN MODELOS TRADICIONALES. SERIA LA PRIMERA VEZ QUE SE APLICASE ESTE CONCEPTO EN EL CONTEXTO DE ENFERMEDADES DETECTABLES POR VOZ.DESDE EL PUNTO DE VISTA CIENTIFICO-TECNICO, EL DESARROLLO Y APLICACION DE LOS MODELOS PROPUESTOS Y SU INTEGRACION EN SISTEMAS DE APOYO A LA DECISION PERMITIRA UN AVANCE SUSTANCIAL EN LA TOMA DE DECISIONES EN EL AMBITO BIOMEDICO. SU CARACTER MULTIDISCIPLINAR, ASI COMO EL INTERES DE VARIAS EMPRESAS Y ASOCIACIONES, PROPORCIONAN UN VALOR AÑADIDO AL PROYECTO COORDINADO, EN GENERAL, Y A ESTE SUBPROYECTO EN PARTICULAR. LA COMPLEMENTARIEDAD DE LOS EQUIPOS ES FUNDAMENTAL PARA EL EXITO DEL PROYECTO. NALISIS DE DECISIONES\SISTEMAS DE AYUDA A LA DECISION\SIMULACION ESTOCASTICA\MODELOS ESTOCASTICOS\INFERENCIA BAYESIANA\DIAGNOSTICO AUTOMATICO\DATOS EXTREMOS\APRENDIZAJE AUTOMATICO\ANALISIS DE RIESGOS
ver más
Línea de financiación: concedida
El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2021-01-01
AEI
No se conoce la línea exacta de financiación, pero conocemos el organismo encargado de la revisión del proyecto.
Presupuesto
El presupuesto total del proyecto asciende a
40K€
Líder del proyecto
UNIVERSIDAD DE EXTREMADURA
No se ha especificado una descripción o un objeto social para esta compañía.
