Repositorio Universidad Europea del Atlántico
Not a member yet
2719 research outputs found
Sort by
Teeth Lesion Detection Using Deep Learning and the Internet of Things Post-COVID-19
No full textWith a view of the post-COVID-19 world and probable future pandemics, this paper presents an Internet of Things (IoT)-based automated healthcare diagnosis model that employs a mixed approach using data augmentation, transfer learning, and deep learning techniques and does not require physical interaction between the patient and physician. Through a user-friendly graphic user interface and availability of suitable computing power on smart devices, the embedded artificial intelligence allows the proposed model to be effectively used by a layperson without the need for a dental expert by indicating any issues with the teeth and subsequent treatment options. The proposed method involves multiple processes, including data acquisition using IoT devices, data preprocessing, deep learning-based feature extraction, and classification through an unsupervised neural network. The dataset contains multiple periapical X-rays of five different types of lesions obtained through an IoT device mounted within the mouth guard. A pretrained AlexNet, a fast GPU implementation of a convolutional neural network (CNN), is fine-tuned using data augmentation and transfer learning and employed to extract the suitable feature set. The data augmentation avoids overtraining, whereas accuracy is improved by transfer learning. Later, support vector machine (SVM) and the K-nearest neighbors (KNN) classifiers are trained for lesion classification. It was found that the proposed automated model based on the AlexNet extraction mechanism followed by the SVM classifier achieved an accuracy of 98%, showing the effectiveness of the presented approach
A Systematic Literature Review on Identifying Patterns Using Unsupervised Clustering Algorithms: A Data Mining Perspective
No full textData mining is an analytical approach that contributes to achieving a solution to many problems by extracting previously unknown, fascinating, nontrivial, and potentially valuable information from massive datasets. Clustering in data mining is used for splitting or segmenting data items/points into meaningful groups and clusters by grouping the items that are near to each other based on certain statistics. This paper covers various elements of clustering, such as algorithmic methodologies, applications, clustering assessment measurement, and researcher-proposed enhancements with their impact on data mining thorough grasp of clustering algorithms, its applications, and the advances achieved in the existing literature. This study includes a literature search for papers published between 1995 and 2023, including conference and journal publications. The study begins by outlining fundamental clustering techniques along with algorithm improvements and emphasizing their advantages and limitations in comparison to other clustering algorithms. It investigates the evolution measures for clustering algorithms with an emphasis on metrics used to gauge clustering quality, such as the F-measure and the Rand Index. This study includes a variety of clustering-related topics, such as algorithmic approaches, practical applications, metrics for clustering evaluation, and researcher-proposed improvements. It addresses numerous methodologies offered to increase the convergence speed, resilience, and accuracy of clustering, such as initialization procedures, distance measures, and optimization strategies. The work concludes by emphasizing clustering as an active research area driven by the need to identify significant patterns and structures in data, enhance knowledge acquisition, and improve decision making across different domains. This study aims to contribute to the broader knowledge base of data mining practitioners and researchers, facilitating informed decision making and fostering advancements in the field through a thorough analysis of algorithmic enhancements, clustering assessment metrics, and optimization strategies
Pre-Trained Deep Neural Network-Based Features Selection Supported Machine Learning for Rice Leaf Disease Classification
No full textRice is a staple food for roughly half of the world’s population. Some farmers prefer rice cultivation to other crops because rice can thrive in a wide range of environments. Several studies have found that about 70% of India’s population relies on agriculture in some way and that agribusiness accounts for about 17% of India’s GDP. In India, rice is one of the most important crops, but it is vulnerable to a number of diseases throughout the growing process. Farmers’ manual identification of these diseases is highly inaccurate due to their lack of medical expertise. Recent advances in deep learning models show that automatic image recognition systems can be extremely useful in such situations. In this paper, we propose a suitable and effective system for predicting diseases in rice leaves using a number of different deep learning techniques. Images of rice leaf diseases were gathered and processed to fulfil the algorithmic requirements. Initially, features were extracted by using 32 pre-trained models, and then we classified the images of rice leaf diseases such as bacterial blight, blast, and brown spot with numerous machine learning and ensemble learning classifiers and compared the results. The proposed procedure works better than other methods that are currently used. It achieves 90–91% identification accuracy and other performance parameters such as precision, Recall Rate, F1-score, Matthews Coefficient, and Kappa Statistics on a normal data set. Even after the segmentation process, the value reaches 93–94% for model EfficientNetV2B3 with ET and HGB classifiers. The proposed model efficiently recognises rice leaf diseases with an accuracy of 94%. The experimental results show that the proposed procedure is valid and effective for identifying rice diseases
Evaluación e intervención de las funciones ejecutivas (inhibición y flexibilidad cognitiva) en los estudiantes de 1° a 3° de grado de primaria del Colegio Centro Educacional Mantica Berio, Chinandega, Nicaragua
No full textEn el Centro Educacional Mantica Berio, se ha evaluado la madurez de las funciones ejecutivas con énfasis en la inhibición y flexibilidad cognitiva, con la utilización del instrumento de ENFEN, con la escala de Interferencia. Obteniendo datos que denotan la necesidad de intervención con los niños de 1° a 3°. Por lo que se propone un programa de intervención en el aula, basado en la estimulación de las funciones ejecutiva
Mitigating 5G security challenges for next-gen industry using quantum computing
No full text5G has been launched in a few countries of the world, so now all focus shifted towards the development of future 6G networks. 5G has connected all aspects of society. Ubiquitous connectivity has opened the doors for more data sharing. Although 5G is providing low latency, higher data rates, and high-speed yet there are some security-related vulnerabilities. Those security issues need to be mitigated for securing 6G networks from existing challenges. Classical cryptography will not remain enough for securing the 6G network. As all classical cryptography can be disabled with the help of quantum mechanics. Therefore, in the place of traditional security solutions, in this article, we have reviewed all the existing quantum solutions of 5G existing security issues to mitigate them and secure 6G in a Future Quantum World
Revisión sistemática: Estrategias para la mejora de la sintomatología en tendinopatía aquílea en atletas
No full textLa tendinopatía aquílea (TA) es una de las lesiones más comunes entre los atletas, produciendo dolor y deterioro de las capacidades del tendón, así como inflamación del cuerpo tendinoso. Esta presenta una incidencia acumulada muy alta, sobre todo en atletas de élite, y tiene como principal mecanismo lesional el exceso de carga sobre el tendón acompañado de un escaso periodo de recuperación entre cargas. Los factores de riesgo que más influencia tienen en esta patología son los externos, teniendo también relevancia los factores internos. Así, el principal objetivo de esta revisión fue establecer las estrategias óptimas para la recuperación de una tendinopatía aquílea desde el ámbito de la actividad física y el deporte. En este trabajo, se revisaron artículos extraídos de la base de datos PubMed, seleccionando todos aquellos artículos redactados en inglés, llevados a cabo sobre sujetos lesionados con TA y que se encontrasen en periodo de readaptación. Se excluyeron todos los artículos previos a 2010. Todas las intervenciones realizadas en los diferentes estudios señalaron el ejercicio físico como una herramienta muy positiva en el tratamiento de la TA, siendo las mejoras más significativas la reducción del dolor del tendón, la mejora en las capacidades funcionales y un aumento del nivel de satisfacción post intervención. A la vista de los resultados, todas las estrategias analizadas han probado ser beneficiosas para la recuperación de una TA, reduciendo la sintomatología, el dolor y la disfunción en una persona lesionada. Sin embargo, la resistencia lenta pesada (HSR) pareció ser aquella que mejores resultados proporcionó sobre la población de estudio, por encima del entrenamiento excéntrico e isométrico
Eficacia de la exposición prolongada como técnica de primera elección para el trastorno de estrés post-traumático
No full texteste artículo se centra en estudiar la eficacia de la terapia de exposición prolongada (EP), un programa de tratamiento desarrollado específicamente para tratar el trastorno de estrés postraumático (TEPT). A lo largo del documento se revisará el mecanismo de funcionamiento del TEPT y la eficacia de la EP para esta patología en diferentes perfiles de personas. Por otro lado, se comparan los resultados obtenidos evidenciando que la EP no es la única ni la mejor opción terapéutica para toda la población. Se debe seguir investigando para identificar los factores que interfieren en la efectividad de dicha intervención, considerada hasta hoy de primera elección para el tratamiento del TEPT
Actividad física y calidad de vida de adultos mayores en Argentina: un estudio transversal (Physical activity and quality of life in Argentinian older adults: a cross-sectional study)
Get PDFLa población mundial envejece de forma progresiva, necesitando conocer las necesidades de las personas mayores para mejorar sus niveles de calidad de vida, en especial, a través del ejercicio físico. Actualmente, se desconocen los niveles reales de ejercicio físico en esta población, así como los niveles de calidad de vida y dependencia en muchas regiones mundiales. Por ello, el objetivo principal fue analizar los niveles de práctica de actividad física del adulto mayor, así como la asociación del ejercicio en su calidad de vida. Para ello, 344 adultos mayores de la Ciudad Autónoma de Buenos Aires (Argentina) respondieron a un cuestionario ad-hoc elaborado por un Comité de expertos y basados en herramientas validadas sobre ejercicio físico, dependencia y calidad de vida. Los principales hallazgos fueron que un 34.6% de la población no realiza actividad física semanalmente, gran parte de la población mostró tener alto nivel de independencia y se encontró asociación positiva entre las personas más activas y los mayores niveles de calidad de vida. Según estos resultados, se deben diseñar y aplicar nuevas estrategias de ejercicio físico comunitario para aumentar los niveles de calidad de vida e independencia incrementando el volumen y frecuencia de ejercicio físico en personas mayores, especialmente realizado de forma colectiva
Hybridizing Artificial Intelligence Algorithms for Forecasting of Sediment Load with Multi-Objective Optimization
Get PDFForecasting of sediment load (SL) is essential for reservoir operations, design of water resource structures, risk management, water resource planning and for preventing natural disasters in the river basin systems. Direct measurement of SL is difficult, labour intensive, and expensive. The development of an accurate and reliable model for forecasting the SL is required. Sediment transport is highly non-linear and is influenced by a variety of factors. Forecasting of the SL using various conventional methods is not highly accurate because of the association of various complex phenomena. In this study, major key factors such as rock type (RT), relief (R), rainfall (RF), water discharge (WD), temperature (T), catchment area (CA), and SL are recognized in developing the one-step-ahead SL forecasting model in the Mahanadi River (MR), which is among India’s largest rivers. Artificial neural networks (ANN) in conjunction with multi-objective genetic algorithm (ANN-MOGA)-based forecasting models were developed for forecasting the SL in the MR. The ANN-MOGA model was employed to optimize the two competing objective functions (bias and error variance) with simultaneous optimization of all associated ANN parameters. The performances of the proposed novel model were finally compared to other existing methods to verify the forecasting capability of the model. The ANN-MOGA model improved the performance by 12.81% and 10.19% compared to traditional AR and MAR regression models, respectively. The results suggested that hybrid ANN-MOGA models outperform traditional autoregressive and multivariate autoregressive forecasting models. Overall, hybrid ANN-MOGA intelligent techniques are recommended for the forecasting of SL in river
Eficacia de la terapia de activación conductual para el tratamiento de la depresión. Una revisión sistemática.
No full textObjetivos: El objetivo de este trabajo es analizar la eficacia de la terapia de activación conductual (TAC) para reducir la depresión en población adulta, así como analizar mediante qué mecanismos actúa y sus variables moderadoras. Metodología: La revisión se realiza usando el protocolo PRISMA (Urrútia y Bonfill, 2013). Resultados: La TAC reduce la depresión y actúa mediante los mecanismos o variables moderadoras de activación, anhedonia, injusticia percibida, frecuencia de reforzadores positivos, problemas sociales, miedo a la intimidad, apoyo social, enriquecimiento ambiental, los procesos de la TAC(activación, la evitación conductual, la rumiación y el placer anticipatorio, rasgos de mindfulness (“no reactividad”, “no juzgar” y “actuar con conciencia”) y cogniciones negativas. Conclusiones: La TAC es efectiva para reducir la depresión en población adulta, y es necesario llevar a cabo más investigaciones y revisiones para determinar con más certeza mediante qué mecanismos actúa