RUa Reposity University of Alicante
Not a member yet
94013 research outputs found
Sort by
Spatio-temporal graph neural network for inter-city air quality forecasting
No full textAir pollution remains one of the major environmental challenges in urban regions, with significant impacts on public health. Although numerous studies have addressed its prediction using time series analysis, many have overlooked spatial correlations between monitoring stations, which limits prediction accuracy. To address this limitation, we propose a general and novel approach to forecast a wide range of atmospheric pollutants using historical data from a network of air quality monitoring stations distributed across Spain, covering the period 2010–2020. Our method combines pollutant concentrations with meteorological variables and is based on a spatio-temporal graph architecture that integrates message-passing and spectral analysis techniques. One of the key innovations is the use of Singular Value Decomposition (SVD) applied to the adjacency matrix, enabling the capture of global structural properties of the network and improving the ability to learn long-range dependencies. The proposed model includes a Multi-Layer Perceptron (MLP) for adaptive feature fusion, as well as hierarchical message passing with a trainable aggregation mechanism. The effectiveness of the approach has been validated by comparison with several current deep learning models, yielding significantly superior results for all contaminants. This research provides a methodological contribution by combining graph spectral theory with spatio-temporal learning, offering a robust and generalizable framework for air quality prediction. Additionally, the model has potential applications in real-time environmental alert systems and public health surveillance platforms.This research was funded by Generalitat Valenciana, Conselleria de Educación y Cultura, Universidades y Empleo (Spain) under grant CIGE/2023/52
Multimodal pain assessment with transformers
No full textPain assessment is a critical challenge in healthcare, requiring accurate and objective measurement to enhance patient care. Traditional methods rely on subjective self-reporting, which lacks reliability, particularly for patients with communication difficulties. This work presents PainFusion+, a multimodal transformer architecture for pain assessment that integrates physiological signals and facial expressions to improve pain assessment accuracy. For physiological signals, our approach first employs convolutional neural networks to extract local patterns from short signal fragments, capturing essential pain-related features. These localized representations are then processed by a transformer encoder, which models long-range dependencies to form a comprehensive global representation. For facial video data, we leverage a frozen video transformer to extract expressive features without requiring fine-tuning, significantly reducing computational costs. Finally, both feature spaces are fused using a transformer encoder, allowing effective cross-modal learning. Experiments on publicly available datasets demonstrate that PainFusion+ outperforms existing models. In biomedical signal processing, our method achieves over a 16 % improvement in accuracy. For multimodal pain estimation, it achieves 35.40 % accuracy on the BioVid dataset, setting a new state-of-the-art benchmark.This work has been funded by the Valencian regional government CIAICO/2022/132 Consolidated group project AI4Health, and by the Spanish State Research Agency (AEI) and ERDF/EU under grant: GEMELIA PID2024-161711OB-I00. This work is also a part of the ENIA Chair of Artificial Intelligence from the University of Alicante (TSI100927-2023-6) funded by the Recovery, Transformation and Resilience Plan from the European Union Next Generation through the Ministry for Digital Transformation and the Civil Service. This work has also been supported by a Spanish national and two regional grants for PhD studies, FPU21/00414, CIACIF/2021/430 and CIACIF/2022/175
Sailing through the musical Mediterranean in contemporary Spain [Review]
No full textEste volumen presenta una revisión, actualización y ampliación de las teorías, conceptos y corrientes estéticas y artísticas esenciales en el conocimiento de la popular music que habita el Mediterráneo español del primer cuarto del siglo XXI, que incluye la mayoría de los territorios catalanoparlantes (Comunidad Valenciana, Cataluña, Islas Baleares, además de las costas andaluzas del sur español) y sus conexiones con el Magreb y otras geografías próximas. Además de explorar los escenarios de as diferentes tendencias musicales —que incluyen desde géneros de características más locales a otros más exógenos y globalizados— analiza la apropiación e integración regional de productos externos (rock, reggae, rap, ska…) que generan características locales o nacionales específicas. El marco sociopolítico analizando responde al de la España post Transición, que dibuja las negociaciones y tensiones entre políticas culturas, políticas regionales y nacionales en un territorio plurilingüístico y complejo históricamente. Estructurado alrededor de cuatro áreas temáticas (turismo, nacionalismo, inmigración y la cuestión de género), cada una de ellas cuenta con una introducción temática propia que encuadra cada sección. La Introducción General (a cargo del editor Kiko Mora), constituye un comentario y revisión magistral de las principales aportaciones académicas al estudio de las músicas mediterráneas.This volume provides an updated overview of the key aesthetic and artistic theories, concepts, and trends in popular music in the Spanish Mediterranean during the first quarter of the 21st century. This includes most of the Catalan-speaking regions (the Valencian Community, Catalonia, and the Balearic Islands, as well as the Andalusian coast of southern Spain), along with their connections to the Maghreb and other neighbouring areas. As well as exploring different musical trends — ranging from more local genres to more globalised and exogenous ones — it analyses the regional appropriation and integration of external products such as rock, reggae, rap and ska that generate specific local or national characteristics. The socio-political framework analysed corresponds to post-Transition Spain, outlining the negotiations and tensions between cultural, regional and national policies within a historically complex and multilingual territory. The book is structured around four thematic areas — tourism, nationalism, immigration and gender issues — each of which has its own introduction to frame the respective section. The general introduction, written by editor Kiko Mora, provides a masterful commentary on the key academic contributions to the studies on the Mediterranean music framework
Análisis de reglas de crecimiento orgánico: variabilidad y flexibilidad en sistemas prefabricados de agregación modular tridimensional
No full textEn los últimos diez años, la tecnología ha transformado profundamente múltiples industrias, incluyendo la arquitectura y la construcción. Este trabajo se centra en el diseño computacional, también llamado paramétrico, aplicado al diseño arquitectónico de viviendas prefabricadas modulares. Estas herramientas permiten generar y gestionar información de manera automatizada, ya sea de forma manual o mediante procesos generativos, a través de software y plugins especializados. El estudio se basa en el análisis de seis proyectos desarrollados en la última década dentro del ámbito de la arquitectura modular prefabricada. A partir de estos, se aplica una metodología basada en leyes de crecimiento orgánico, entendidas como sistemas de reglas geométricas y topológicas que determinan cómo los módulos se agrupan, replican o conectan entre sí en función de parámetros como dirección, jerarquía o conectividad. Para ello se emplea el plugin WASP dentro del entorno Grasshopper, integrado en Rhinoceros 3D, lo que permite modelar y explorar distintos patrones de agregación espacial. Se integran parámetros clave como la variabilidad en la cantidad de módulos, la direccionalidad de crecimiento y el tipo de conexión, con el objetivo de generar distintas tipologías habitacionales y evaluar su funcionalidad, flexibilidad y adaptabilidad al contexto. Los resultados obtenidos mediante el uso de herramientas computacionales demuestran que es posible generar una amplia gama de configuraciones que responden a diferentes necesidades espaciales, funcionales y urbanas. Las leyes de agregación analizadas permiten crear soluciones arquitectónicas dinámicas, adaptables y con potencial para enfrentar problemáticas contemporáneas como la densificación urbana, la falta de vivienda asequible o las situaciones de emergencia. El diseño computacional aplicado a la arquitectura modular prefabricada no solo mejora la eficiencia del proceso proyectual, sino que también amplía el repertorio de soluciones posibles, consolidando su relevancia en la práctica arquitectónica actual
Desarrollo teórico de un sistema de detección de propagación de ondas en datos geofísicos
No full textEl estudio de la propagación de ondas en campos geofísicos constituye una herramienta esencial para comprender dinámicas atmosféricas y oceánicas. En este Trabajo Fin de Grado he desarrollado un marco teórico y práctico para la detección de propagación de ondas a partir de datos simulados, aplicando técnicas de reducción de dimensión y análisis modal. En primer lugar, se introduce el Análisis de Componentes Principales (ACP) y su extensión al ámbito geofísico mediante las Funciones Empíricas Ortogonales (EOF, por sus siglas en inglés). Este enfoque permite identificar patrones espaciales dominantes y sus correspondientes series temporales. Sin embargo, el análisis EOF presenta limitaciones cuando se trata de ondas en propagación, ya que la información de fase no queda reflejada de manera adecuada. Para superar esta restricción, se emplea el análisis de Funciones Empíricas Ortogonales Complejas (CEOF, por sus siglas en inglés), basado en la transformada de Hilbert y en una descomposición espectral de la matriz compleja resultante. Esta técnica permite descomponer una señal en modos espaciales complejos y coeficientes temporales que recogen tanto la amplitud como la fase de la oscilación. De este modo, se logra inferir la dirección y características de propagación de la onda. Mediante simulaciones implementadas en Python, se han analizado distintos tipos de ondas. En todos los casos, el análisis CEOF ha demostrado ser capaz de recuperar con gran precisión la estructura espacial, la evolución temporal y la dirección de propagación de la onda, alcanzando porcentajes de varianza explicada cercanos al 100 %. Estos resultados validan la utilidad de las CEOF como herramienta robusta para caracterizar ondas en datos espacio-temporales. Todo ello es una introducción para llegar al objetivo real del trabajo: investigar cuál es el número mínimo de sensores necesarios para detectar la propagación. Para ello simulo y analizo diferentes distribuciones de sensores, con el fin de sacar conclusiones y aproximarme lo máximo posible a una distribución óptima. No se trata solo de recoger casos positivos, sino también de descartar distribuciones que nos llevarían a conclusiones erróneas. En investigación, a veces es preferible reconocer las limitaciones de los datos antes que construir afirmaciones erróneas: reconocer lo que no puede concluirse resulta tan valioso como identificar lo que sí puede afirmarse
Manual Verilog con APIO
No full textManual de desarrollo de circuitos digitales utilizando Verilog e ICEZUM/ALHAMBRA II. Incluye la instalación de APIO como toolchain de desarrollo, su instalación en entornos linux/windows, la descripción de los principales aspectos del lenguaje y ejemplos prácticos desde lo más sencillo a avanzados
Deep Learning Model-Based Architectures for Lung Tumor Mutation Profiling: A Systematic Review
No full textBackground/Objectives: Lung cancer (NSCLC), which accounts for approximately 85% of lung cancers, exhibits marked heterogeneity that complicates molecular characterization and treatment selection. Recent advances in deep learning (DL) have enabled the extraction of genomic-related morphological features directly from routine Hematoxylin and Eosin (H&E) histopathology, offering a potential complement to Next-Generation Sequencing (NGS) for precision oncology. This review aimed to evaluate how DL models have been applied to predict molecular alterations in NSCLC using H&E-stained slides. Methods: A systematic search following PRISMA 2020 guidelines was conducted across PubMed, Scopus, and Web of Science to identify studies published up to March 2025 that used DL models for mutation prediction in NSCLC. Eligible studies were screened, and data on model architectures, datasets, and performance metrics were extracted. Results: Sixteen studies met inclusion criteria. Most employed convolutional neural networks trained on publicly available datasets such as The Cancer Genome Atlas (TCGA) to infer key mutations including EGFR, KRAS, and TP53. Reported areas under the curve ranged from 0.65 to 0.95, demonstrating variable but promising predictive capability. Conclusions: DL-based histopathology shows strong potential for linking tissue morphology to molecular signatures in NSCLC. However, methodological heterogeneity, small sample sizes, and limited external validation constrain reproducibility and generalizability. Standardized protocols, larger multicenter cohorts, and transparent validation are needed before these models can be translated into clinical practice.The publication of this article was funded by ISABIAL
¿Son perfectas las predicciones meteorológicas? Esto dicen los datos
No full textLa gente suele decir que “iba a llover y mira el sol que hace. Si es que las predicciones del tiempo no aciertan nunca”. Sentencias semejantes han sido afirmadas y negadas por los medios de comunicación durante el último año
Sunvozertinib, tratamiento oral para el cáncer de pulmón no microcítico causado por EGFR EX20INS, aprobado por la FDA
No full textLa FDA aprobó de forma acelerada en julio de 2025 el uso de Zegfrovy™ (sunvozertinib), convirtiéndose en el único tratamiento oral para el cáncer pulmonar no microcítico disponible en EE. UU., indicado para pacientes adultos con la enfermedad localmente avanzada o metastásica que presenten mutaciones de inserción en el exón 20 del receptor del factor de crecimiento epidérmico (EGFR)