Hola,
¿eres nuevo aquí?

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

Tengo cuenta

Regístrate

Ver video

RTI2018-098913-B-I00

Financiado

Cerrado

NEUROIMAGEN PROFUNDA BASADA EN APRENDIZAJE MAQUINA: BUSQUEDA DE PATRONES ANORMAL...

NEUROIMAGEN PROFUNDA BASADA EN APRENDIZAJE MAQUINA: BUSQUEDA DE PATRONES ANORMALES EN AUTISMO Y EN LAS ENFERMEDADES DE ALZHEIMER Y PARKINSON HOY EN DIA, LAS TECNOLOGIAS DE IMAGEN FUNCIONAL Y ESTRUCTURAL EN NEUROCIENCIA ESTAS PROVEYENDO UN GRAN VOLUMEN DE INFORMACION, EN LA QUE LAS APROXIMACIONES BASADAS EN APRENDIZAJE MAQUINA ESTAN CUALIFICADAS PARA SUMINISTRAR UNA MAY... ver más

01/01/2018

UGR

67K€

Presupuesto del proyecto: 67K€

Líder del proyecto

UNIVERSIDAD DE GRANADA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 5524

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2018-01-01 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

UGR

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

UNIVERSIDAD DE GRANADA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 5524

Presupuesto del proyecto 67K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto HOY EN DIA, LAS TECNOLOGIAS DE IMAGEN FUNCIONAL Y ESTRUCTURAL EN NEUROCIENCIA ESTAS PROVEYENDO UN GRAN VOLUMEN DE INFORMACION, EN LA QUE LAS APROXIMACIONES BASADAS EN APRENDIZAJE MAQUINA ESTAN CUALIFICADAS PARA SUMINISTRAR UNA MAYOR PERSPECTIVA EN LOS DESORDENES PSIQUIATRICOS TALES COMO LA CONDICION DEL ESPECTRO AUTISTA (ASC), MAS ALLA DE LOS SISTEMAS ESTANDARES DE MINERIA DE DATOS, Y DADO EL TREMENDO PODER COMPUTACIONAL DISPONIBLE, LOS INVESTIGADORES ESTAN EN EL PUNTO DE ARRANQUE PARA SUPERAR LOS PARADIGMAS CLASICOS PSIQUIATRICOS DE LOS ULTIMOS 50 AÑOS, PARA PROPONER NUEVAS MEDIDAS DE LA IMPORTANCIA DE VARIABLES Y NUEVAS ARQUITECTURAS DE APRENDIZAJE PROFUNDO PARA REVELAR CARACTERISTICAS OCULTAS EN DIVERSOS DESORDENES NEUROLOGICOS,RECIENTEMENTE, COMO PARTE DE LA TEORIA DEL APRENDIZAJE MAQUINA, EL MARCO DE TRABAJO DE APRENDIZAJE PROFUNDO (DL) HA SIDO SATISFACTORIAMENTE APLICADO AL VASTO CAMPO DE APLICACIONES DE LA INGENIERIA, COMO LAS DE LA VISION POR COMPUTADOR O LOS SISTEMAS DE RECONOCIMIENTO DE VOZ, LOS METODOS DE DL COMBINAN EL PODER DE LOS ALGORITMOS AUTOMATICOS DE APRENDIZAJE DE CARACTERISTICAS CON LOS SISTEMAS DE DECISION POTENCIADOS BASADOS EN NEURONAS EN LA ETAPA FINAL, NO OBSTANTE, EL PROBLEMA DE AGRUPAMIENTO O ESPECTRO EN DIAGNOSTICO CONSTITUYE UNA TAREA DESAFIANTE EN ALGUNAS APLICACIONES DE LA NEUROIMAGEN, DEBIDO A LA HETEROGENEIDAD DEL PATRON DE CONDICION ESPECIFICO, EL CUAL ESTA DISTRIBUIDO POR TODOS LAS ADQUISICIONES PROVENIENTES DE DISTINTAS TECNOLOGIAS DE IMAGEN, LAS APORTACIONES DEL PROYECTO DEEP-NEUROMAPS SON DOS: I) VALIDAR LAS TEORIAS DEL AUTISMO MEDIANTE LOS AVANCES MAS RECIENTES DEL APRENDIZAJE MAQUINA APLICADOS A LA MORFOMETRIA BASADA EN VOXEL, DESDE LOS SISTEMAS LINEALES Y LOS ESCENARIOS DE BAJA DIMENSION LINEAR HASTA LAS ARQUITECTURAS DE APRENDIZAJE PROFUNDO, Y II) EXTENDER/EXTRAPOLAR ESTAS MODELOS INNOVADORES UTILIZANDO EL APRENDIZAJE DE TRANSFERENCIA PARA CARACTERIZAR OTROS NEURO-PATRONES CONOCIDOS, COMO LOS DE ALZHEIMER Y PARKINSON (AD, PD), CON SUERTE, ESTOS PODRAN RESPONDER LAS MAYORES CUESTIONES SOBRE LA NEURO-ANATOMIA DE LOS AUTISMOS EN CONEXION CON EL SEXO Y REVELAR NUEVOS BIOMARCADORES EN LA DETECCION DE PATRONES ANORMALES EN AD Y PD, AMBOS A NIVEL DE LA ESTRUCTURA CEREBRAL, POR TANTO, LS OBJETIVOS PRINCIPALES SON:1, A NIVEL TEORICO: DESARROLLAR MODELOS DISCRIMINATIVOS DE CLASIFICACION ROBUSTOS A OUTLIERS Y RUIDOS, LA TAREA ESTARA DEDICADA A METODOS DE APRENDIZAJE (SEMI)-SUPERVISADO (TRANSDUCCION), COMPRENDIENDO PREPROCESADO Y ADQUISICION DE IMAGEN ESTRUCTURAL Y FUNCIONAL, EXTRACCION Y SELECCION BASADO EN DATO (FILTROS, "WRAPPERS" Y SISTEMAS EMBEBIDOS) Y MODELOS DE CLASIFICACION BASADOS EN BOOSTING/BAGGING Y ARBOLES DE DECISION, DL, ANN, SVM, ETC, 2, A NIVEL DE APLICACION: CONFORMAR LOS SISTEMAS DE APRENDIZAJE MAQUINA EN SISTEMAS DE AYUDA AL DIAGNOSTICO BASADOS EN COMPUTADOR (CAD), PARA UN DIAGNOSTICO DE MAYOR PRECISION Y VALIDEZ, EN PARTICULAR, DESARROLLAREMOS PAQUETES DE SOFTWARE DE CALIDAD PARA LA EVALUACION DE LAS DIMENSIONES RELEVANTES EN PSIQUIATRIA, COMO EN ASC, DE DATOS ESTRUCTURALES Y FUNCIONALES, MAS ALLA DEL AGRUPAMIENTO DE LOS SINTOMAS CLINICOS ESTANDARES, ADEMAS, ESTOS MODELOS SERAN TRANSFERIDOS Y VALIDADOS EN OTRAS CONOCIDAS CONDICIONES NEUROLOGICAS, COMO LA HIPO-PERFUSION/METABOLISMO, INTEGRIDAD DOPAMINERGICA Y ATROFIA CEREBRAL EN AD O PD, APRENDIZAJE PROFUNDO\NEUROCIENCIAS\AUTISMO\ALZHEIMER\PARKINSON\CLASIFICACIÓN

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores