Hola,
¿eres nuevo aquí?

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

Tengo cuenta

Regístrate

Ver video

PID2020-118224RB-I00

Financiado

Cerrado

PROCESAMIENTO PROFUNDO DE SERIES TEMPORALES: DIAGNOSTICO DE TUMORES EN EL SISTEM...

PROCESAMIENTO PROFUNDO DE SERIES TEMPORALES: DIAGNOSTICO DE TUMORES EN EL SISTEMA NERVIOSO CENTRAL A PARTIR DE ESTUDIOS DE PERFUSION DE IMAGEN POR RESONANCIA MAGNETICA LAS SERIES TEMPORALES APARECEN EN EL ESTUDIO DE LOS FENOMENOS EN MULTIPLES AREAS DEL CONOCIMIENTO: ECONOMIA, MEDICINA, ENERGIA, INDUSTRIA, BIOLOGIA, ETC, SU ANALISIS Y PREVISION SON VITALES PARA TODAS ESTAS AREAS, UNA CLARA PRUEBA... ver más

01/01/2020

UGR

52K€

Presupuesto del proyecto: 52K€

Líder del proyecto

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

Total investigadores 5511

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%

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

Proyectos interesantes

RTI2018-095209-B-C21 PREDICCION DE LA INCERTIDUMBRE EN SISTEMAS CIBERFISICOS MULT... 147K€ Cerrado

PRE2021-099121 MODELOS PARA LA ESCLEROSIS MULTIPLE USANDO DEEP LEARNING EN... 101K€ Cerrado

Sano Centre for New Methods in Computational Diagnostics and Pers... 15M€ Cerrado

BES-2010-031767 INTERPRETACION Y CARACTERIZACION DE METODOS DE ANALISIS DE C... 43K€ Cerrado

IJCI-2016-27484 Advanced Signal Processing and Machine Learning for the Anal... 64K€ Cerrado

PTQ-12-05693 Modelos predictivos basados en Resonancia Magnética Cuantita... 78K€ Cerrado

Líder del proyecto

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

Total investigadores 5511

Presupuesto del proyecto 52K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto LAS SERIES TEMPORALES APARECEN EN EL ESTUDIO DE LOS FENOMENOS EN MULTIPLES AREAS DEL CONOCIMIENTO: ECONOMIA, MEDICINA, ENERGIA, INDUSTRIA, BIOLOGIA, ETC, SU ANALISIS Y PREVISION SON VITALES PARA TODAS ESTAS AREAS, UNA CLARA PRUEBA DE ELLO ES EL CRECIENTE NUMERO DE METODOS PROPUESTOS PARA LAS PRUEBAS EN ESTOS CAMPOS,AUNQUE ALGUNAS DE LAS SERIES TEMPORALES PUEDEN MODELARSE, CLASIFICARSE O PREDECIRSE CON TECNICAS RELATIVAMENTE SENCILLAS COMO LOS PROMEDIOS MOVILES, LA AUTOREGRESION, LA DETECCION DE TENDENCIAS Y EL ANALISIS DE CICLOS, MUCHOS PROBLEMAS DE LAS SERIES TEMPORALES SON REALMENTE COMPLEJOS, POR EJEMPLO, LA PREVISION DE LOS VALORES DEL MERCADO DE VALORES, EL ANALISIS DE ELECTROCARDIOGRAMAS O LA DETECCION DE UN DISPOSITIVO DEFECTUOSO A TRAVES DE LOS PATRONES DE SEÑALES DE LOS SENSORES CONSTITUYEN PROBLEMAS DIFICILES, EN LOS QUE MERECE LA PENA MEJORAR EL RENDIMIENTO, DURANTE MUCHO TIEMPO, LAS TECNICAS DE APRENDIZAJE AUTOMATICO (ML) SE HAN ADAPTADO Y APLICADO AL PROCESAMIENTO DE LAS SERIES TEMPORALES, UN GRAN HITO DENTRO DEL ML SON LOS MODELOS DE REDES NEURONALES MAS PROFUNDAS, GENERALMENTE LLAMADOS APRENDIZAJE PROFUNDO (DL), DOTADO DE UN RENDIMIENTO ESPECTACULAR EN PROBLEMAS INTRATABLES, Y APOYADO POR LOS AVANCES EN LA POTENCIA DE PROCESAMIENTO PARALELO MASIVO DE LAS GPU, EL DL HA EXPERIMENTADO UN DESARROLLO ABRUMADOR TANTO EN LA INVESTIGACION COMO EN LA INDUSTRIA A LO LARGO DE LOS ULTIMOS AÑOS, YA SE HAN PUBLICADO VARIOS ARTICULOS SOBRE LA APLICACION DE LA DL AL PROCESAMIENTO DE SERIES TEMPORALES, LA MAYORIA DE ELLOS, SIMPLEMENTE REEMPLAZAN LOS MODELOS ML MAS ANTIGUOS POR LOS MAS NUEVOS Y PROFUNDOS SIN MUCHO ESFUERZO EN INVESTIGAR QUE VENTAJAS ADICIONALES PUEDE OFRECER DL CUANDO SE APLICA AL ANALISIS DE SERIES TEMPORALES (TSA) Y A LA PREDICCION, EL OBJETIVO DE ESTE PROYECTO ES AVANZAR VARIOS PASOS EN DIFERENTES DIRECCIONES, PARA EMPEZAR, PRETENDEMOS CREAR NUEVOS ENFOQUES DE APRENDIZAJE SEMISUPERVISADOS PARA LA DL APLICADO A TSA, A CONTINUACION, QUEREMOS AMPLIAR EL CONJUNTO DE CARACTERISTICAS QUE PROPORCIONAN INFORMACION UTIL DE LAS SERIES TEMPORALES Y COMBINARLAS CON LOS MODELOS PARA AUMENTAR LA PRECISION Y LA INTERPRETABILIDAD DE LOS MODELOS, DESPUES DE ESO, PRETENDEMOS INTERPRETAR EL CONOCIMIENTO ADQUIRIDO POR UN MODELO DL ENTRENADO PARA QUE PUEDA SER REUTILIZADO Y TRANSFERIDO PARA IMPULSAR EL DESARROLLO DE MODELOS PARA PROBLEMAS RELACIONADOS, TODAS ESTAS TECNICAS SERAN PUESTAS EN APLICACION EFECTIVA AL ABORDAR UN PROBLEMA DE DIAGNOSTICO MEDICO DIFICIL,UN ENFOQUE NUEVO PARA LAS SERIES TEMPORALES DE PERFUSION MRI SE DESARROLLARA PARA DIAGNOSTICAR LESIONES DEL SISTEMA NERVIOSO CENTRAL (CNS), ESPECIFICAMENTE, INTENTAREMOS DIAGNOSTICAR EN TRES NIVELES DISTINTOS: A) DIFERENCIAR ENTRE TUMORES DEL CNS (GLIOMA VS, METASTASIS VS, LINFOMA); B) DIFERENCIAR ENTRE GLIOMAS DE ALTO GRADO Y BAJO GRADO; C) PREDECIR EL ESTATUS GENETICO IDH (SALVAJE VS, MUTACION), A CONTINUACION, EXPLORAREMOS LA TRANSFERIBILIDAD DE ESTOS MODELOS A OTROS ESCENARIOS EN EL CONTEXTO DEL CANCER DE MAMA Y TUMORES MUSCULOESQUELETICOS, UNA TAREA FUNDAMENTAL EN NUESTRA PROPUESTA ES LA INTRODUCCION DE LOS MODELOS CREADOS EN LA PRACTICA CLINICA, DE MODO QUE SEAN VALIDADOS POR RADIOLOGOS, EN RESUMEN, CONFIAMOS EN OBTENER MODELOS ROBUSTOS DE IA QUE PRODUZCAN UN IMPACTO IMPORTANTE EN LA PRACTICA CLINICA Y LLEVEN A REDUCCIONES RESEÑABLES EN LA MORTALIDAD, MORBILIDAD Y COSTE ECONOMICO EN PACIENTES CON TUMORES EN EL CNS, SERIES TEMPORALES\APRENDIZAJE PROFUNDO\APRENDIZAJE SEMI-SUPERVISADO\APRENDIZAJE POR TRANSFERENCIA\PERFUSION MRI\TUMORES DEL SISTEMA CENTRAL NERVIOSO

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores