1,721,009 research outputs found
Spectral Analysis of Light-Adapted Electroretinograms in Neurodevelopmental Disorders: Classification with Machine Learning
Full text linkElectroretinograms (ERGs) show differences between typically developing populations and those with a diagnosis of autism spectrum disorder (ASD) or attention deficit/hyperactivity disorder (ADHD). In a series of ERGs collected in ASD (n = 77), ADHD (n = 43), ASD + ADHD (n = 21), and control (n = 137) groups, this analysis explores the use of machine learning and feature selection techniques to improve the classification between these clinically defined groups. Standard time domain and signal analysis features were evaluated in different machine learning models. For ASD classification, a balanced accuracy (BA) of 0.87 was achieved for male participants. For ADHD, a BA of 0.84 was achieved for female participants. When a three-group model (ASD, ADHD, and control) the BA was lower, at 0.70, and fell further to 0.53 when all groups were included (ASD, ADHD, ASD + ADHD, and control). The findings support a role for the ERG in establishing a broad two-group classification of ASD or ADHD, but the model’s performance depends upon sex and is limited when multiple classes are included in machine learning modeling
Análisis de la saturación de oxígeno en sangre para la ayuda al diagnóstico del Síndrome de Apnea-hipopnea del Sueño en niños
Full text linkEl síndrome de apneas-hipopneas del sueño (SAHS)en la
infancia es un trastorno respiratorio caracterizado por una
obstrucción parcial prolongada de la vía aérea superior yju
obstrucción intermitente completa que interrumpe la
ventilación normal durante el sueño y los patrones normales
del mismo. Elmétodo de diagnóstico estándar es la
polisomnografía (PSG)nocturna en una unidad del sueño
especializada. Sin embargo, esta prueba presenta numerosas
limitaciones en cuanto a disponibilidad, complejidad, tiempo y
coste.
Palabras clave:
Este trabajo tiene como principales objetivos la
implementación y aplicación de diversos métodos de procesado
de señal sobre los registros de Sp02 procedentes de la
poligrafía domiciliaria (PLG)nocturna, con el fin de obtener
información relevante sobre el efecto que producen los eventos
de apnea en niños. Asimismo, se pretende estudiar el
rendimiento diagnóstico de los algoritmos implementados en
comparación con la metodología diagnóstica están dar basada
en la PSG.Grado en Ingeniería de Tecnologías Específicas de Telecomunicació
Automated analysis of the oximetry signal to simplify the diagnosis of pediatric sleep apnea: from feature-engineering to deep-learning approaches
No full textObstructive sleep apnea (OSA) is a high prevalent respiratory disorder in the pediatric population (1%-5%). Untreated pediatric OSA is associated with significant adverse consequences affecting metabolic, cardiovascular, neurocognitive, and behavioral systems, thus resulting in a decline of overall health and quality of life. Consequently, it is of paramount importance to accelerate the diagnosis and treatment in these children. Overnight polysomnography (PSG) is the gold standard to diagnose OSA in children. This test requires an overnight stay of pediatric subjects in a specialized sleep laboratory, as well as the recording of up to 32 biomedical signals. These recordings are used to quantify respiratory events in order to obtain the apnea-hyponea index (AHI), which is used to establish pediatric OSA severity. Nonetheless, PSG is technically complex, time-consuming, costly, highly intrusive for the children, and relatively unavailable, thus delaying the access for both the diagnosis and treatment. Consequently, simplified diagnostic techniques become necessary. In an effort to overcome these drawbacks and increase the accessibility of pediatric OSA diagnosis, many simplified alternative procedures have been developed. Among these, a common approach is the analysis of the blood oxygen saturation (SpO2) signal from overnight oximetry due to its easy acquisition and interpretation, as well as its suitability for children. Many studies have demonstrated the utility of the automated analysis of SpO2 recordings to help in adult OSA diagnosis. Conversely, the preceding studies focused on pediatric patients reported lower accuracies than those reached in the case of adults, suggesting the need to seek novel signal processing algorithms that provide additional information from the SpO2 signal for the particularities of childhood OSA. In the present Doctoral Thesis, we hypothesize that the application of novel feature extraction and deep-learning algorithms could increase the diagnostic ability of the oximetry signal in the context of pediatric OSA. Consequently, the general objective of this Doctoral Thesis is to design, develop, and assess novel clinical decision-support models in the context of childhood OSA based on the automated analysis of the SpO2 signal.Departamento de Teoría de la Señal y Comunicaciones e Ingeniería TelemáticaDoctorado en Tecnologías de la Información y las Telecomunicacione
Going Beyond Counting First Authors in Author Co-citation Analysis
Full text linkThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
Variations on the Author
Full text link“Variations on the Author” discusses two of Eduardo Coutinho’s recent films (Um Dia na Vida, from 2010, and Últimas Conversas, posthumously released in 2015) and their contribution to the general question of documentary authorship. The director’s filmography is characterized by a consistent yet self-effacing form of authorial self-inscription: Coutinho often features as an interviewer that rather than express opinions propels discourses; an interviewer that is good at listening. This mode of self-inscription characterizes him as an author who is not expressive but who is nonetheless markedly present on the screen. In Um Dia na Vida, however, Coutinho is completely absent form the image, while Últimas Conversas, on the contrary, includes a confessional prologue that moves the director from the margins to the center of his films. This article examines the ways in which these works stand out in the filmography of a director who offers new insights into the notion of cinematic authorship
Appropriate Similarity Measures for Author Cocitation Analysis
Full text linkWe provide a number of new insights into the methodological discussion about author cocitation analysis. We first argue that the use of the Pearson correlation for measuring the similarity between authors’ cocitation profiles is not very satisfactory. We then discuss what kind of similarity measures may be used as an alternative to the Pearson correlation. We consider three similarity measures in particular. One is the well-known cosine. The other two similarity measures have not been used before in the bibliometric literature. Finally, we show by means of an example that our findings have a high practical relevance.information science;Pearson correlation;cosine;similarity measure;author cocitation analysis
Aplicación de técnicas de deep learning en la ayuda al diagnóstico de la enfermedad de Alzheimer
Full text linkLa enfermedad de Alzheimer (EA) es una patología neurodegenerativa, progresiva e irreversible caracterizada por provocar alteraciones tanto a nivel cognitivo como a nivel de conducta. Es la demencia más común y sus principales factores de riesgo son la edad y la genética. Provoca lesiones en la corteza cerebral, principalmente depósitos de proteína beta-amiloide y ovillos neurofibrilares de proteína tau anormalmente fosforilada. Estas lesiones fomentan la aparición de alteraciones en la actividad eléctrica cortical, generando cambios en la actividad electroencefalográfica (EEG). Diversas investigaciones apuntan a que estas alteraciones aparecen en fases incipientes de la demencia; sin embargo, la complejidad de los cambios neuronales ha implicado que apenas haya estudios que traten de integrarlos para mejorar la identificación precoz de la EA. Es por ello, que en el presente Trabajo de Fin de Grado (TFG) se propone una metodología de deep learning, con el objetivo de extraer de manera automática características de la actividad EEG que ayuden a identificar esta enfermedad en los distintos sujetos de este estudio.
En este trabajo se han analizado señales EEG de dos bases de datos distintas con un total de 449 sujetos divididos en tres categorías principales: sujetos de control de edad avanzada, pacientes con deterioro cognitivo leve (DCL) y pacientes con demencia debida a EA. La primera base de datos proviene del Hospital Universitario Río Hortega de Valladolid; está formada por un total de 196 sujetos: 45 controles, 69 pacientes con DCL y 82 pacientes con demencia por EA. La segunda base de datos ha sido registrada en el marco de un proyecto europeo desarrollado por el Grupo de Ingeniería Biomédica; está formada por 253 sujetos: 51 controles, 51 pacientes con DCL y 151 pacientes con EA. En un primer paso, los registros EEG de las dos bases de datos se preprocesaron para eliminar los posibles artefactos de la señal, dividiéndose en segmentos de 1 y 5 s. Tras este preprocesado, los registros EEG se dividieron en tres conjuntos de datos: entrenamiento, validación y test, que se utilizaron para diseñar y validar las distintas arquitecturas de deep learning. En concreto, se utilizaron arquitecturas basadas en redes neuronales convolucionales de una dimensión, desarrolladas utilizando Python y la librería Keras.
Se desarrollaron dos casos de estudio diferentes: un problema de clasificación binaria con sujetos controles y enfermos de Alzheimer; y un problema de clasificación múltiple con sujetos controles, pacientes con DCL y pacientes con EA. Los valores de precisión obtenidos por los distintos modelos desarrollados para el primer caso de estudio fueron del 70% aproximadamente para las dos bases de datos. En el caso del segundo caso de estudio, la precisión disminuyó hasta un 40% aproximadamente. Se observó que a medida que se aumentaba el número de clases, disminuía la precisión obtenida. Estos resultados de precisión bajos pueden deberse a dos motivos principales: (i) a que el número de sujetos en las bases de datos utilizadas sea pequeño, lo cual se podría solventar con una base de datos más grande; (ii) a que la señal EEG es demasiado compleja para introducirla en crudo a una red neuronal convolucional 1-D, por lo que realizar una transformación sobre ésta ayudará a obtener mejores resultados. Por tanto, estudios futuros podrían ayudar a mejorar la detección automática de la EA.Alzheimer's disease (AD) is a neurodegenerative, progressive and irreversible pathology. This disease causes both cognitive and behavioral alterations. It is the most common form of dementia and its risk factors are age and genetics. AD causes damage to the cerebral cortex, mainly deposits of beta-amyloid protein and neurofibrillary tangles of abnormally phosphorylated tau protein. This damage increases the chance of suffering alterations on the cortical electrical activity, which are reflected on the electroencephalogram (EEG). Several studies indicate that these alterations appear in the early stages of the disease. Nonetheless, there are few studies that integrate these changes in the early detection of EA due to its complexity. Accordingly, in this study we propose a deep-learning methodology, aimed at automatically detect the disease on the different subjects under study.
To achieve this goal, two different databases have been analyzed, including 449 subjects divided into three main categories: control, mild cognitive impairment (MCI) and AD. The first database, Hospital Universitario Río Hortega, is composed of 196 subjects: 45 control subjects, 69 MCI patients (27 mild MCI, 23 moderated MCI and 19 severe MCI) and 82 AD patients. The second database, POCTEP (Programa Operativo de Cooperación Transfronteriza España – Portugal), comprehends 253 subjects: 51 control subjects, 51 MCI patients and 151 AD patients (51 mild AD, 50 moderated AD and 50 severe AD). This data is first preprocessed in order to eliminate every potential artifact present in the signal. Once the data is artifact free, it is divided into segments of one and five seconds each. After this preprocessing, the data is divided into three different sets: training, validation and test, that will be used to design and validate the different deep-learning architectures. These architectures are one dimensional convolutional neural networks developed using Python and keras library.
Two case studies have been developed. The first one is a binary classification problem with the groups Control and AD. The second one is a multiclass classification problem with the classes Control, MCI and AD. For the first case study, the accuracy values obtained by the different developed models are values around 70%, with a better identification of AD segments. For the second study case, the value for this metric decreases up to 40%, still obtaining better results for the AD class. A drop on the accuracy value can be observed as the number of classes increases. The low accuracy obtained for the automated detection of the disease may be caused by two main issues: (i) the number of subjects under study is low, what could be overcome with a larger sample size; (ii) the EEG signal is too complex to be introduced raw as input for a 1D convolutional neural network, hence performing a pretreatment of this signal could lead to better results. Thus, future research could help to improve the automated detection of EA.Grado en Ingeniería de Tecnologías Específicas de Telecomunicació
Inteligencia artificial aplicada a datos genéticos de pacientes con sepsis
Full text linkLa sepsis se define como una afección médica grave y potencialmente mortal caracterizada por una respuesta inflamatoria desregulada ante una infección. Un diagnóstico precoz y un tratamiento adecuado son esenciales para mejorar el pronóstico. En este contexto, este trabajo de fin de grado (TFG) explora el uso de algoritmos de inteligencia artificial (IA) para identificar clústeres de pacientes con sepsis basados en perfiles genéticos y clínicos, con el objetivo de personalizar el tratamiento y mejorar los resultados clínicos. Los datos genéticos empleados constan de 3,761 SHAP (SHapley Additive exPlanations) values de SNPs (Single Nucleotide Polymorphisms) de 187 pacientes españoles, obtenidos de un estudio previo. En dicho estudio se aplicó una metodología de eXplainable Artificial Intelligence (XAI), para obtener, para cada paciente, la contribución de cada SNP a la predicción de sepsis en forma de SHAP values. A partir de los SHAP values, se ha realizado un análisis detallado de las contribuciones genéticas a la sepsis mediante los métodos de clustering K-means y DBSCAN (Density-Based Spatial Clustering of Applications with Noise), que destacan por su robustez y efectividad para obtener clústeres a partir de los SHAP values de cada SNP en cada sujeto. Se llevó a cabo un estudio conjunto detallado de estas dos técnicas, asegurando que los resultados de clustering fueran fiables y precisos. Para determinar el número óptimo de clústeres (K) para el algoritmo K-means, se utilizaron tanto el método del codo como el método de la silueta, proporcionando resultados de clustering validados y precisos. El análisis reveló 3 clústeres distintos de pacientes con sepsis, cada uno asociado con perfiles genéticos y complicaciones clínicas específicas. El Clúster 0, con 50 sujetos, está asociado al SNP rs74707084 del gen SYNPR, que afecta la comunicación neuronal. Este clúster presenta alta mortalidad a 90 días y prolongada ventilación mecánica, sugiriendo dificultades en la recuperación post-UCI debido a la disfunción en la comunicación neuronal y la respuesta inmune. El Clúster 1, con 100 sujetos, está asociado con el SNP rs1575081785 del gen RBSN, implicado en el tráfico de vesículas y la regulación de la inflamación y la respuesta inmune. Este clúster también muestra la menor mortalidad y duración de ventilación mecánica, indicando una mejor respuesta clínica gracias a un manejo médico intensivo. El Clúster 2, con 37 sujetos, está asociado al SNP rs17653532 del gen PRIM2, crucial para la replicación del ADN (Ácido DesoxirriboNucleico). Este clúster tiene las peores variables clínicas, con alta mortalidad y ventilación mecánica prolongada, reflejando complicaciones graves relacionadas con defectos en la reparación del ADN y la respuesta inmune. El análisis llevado a cabo en este TFG concluye que la identificación de estos clústeres puede facilitar la personalización de las estrategias de tratamiento de la sepsis, permitiendo predicciones más precisas de los resultados clínicos y una mejor planificación de recursos en entornos hospitalarios.Grado en Ingeniería Biomédic
Detección automática de microdespertares en niños con apnea obstructiva del sueño mediante técnicas de deep learning
Full text linkLa apnea obstructiva del sueño (AOS) infantil es una enfermedad caracterizada por pausas respiratorias
y alteración del sueño que llega a afectar hasta el 5% de los niños y que tiene consecuencias
negativas para su salud y desarrollo. A través de una polisomnografía noctura (PSG), se puede
diagnosticar la AOS y medir su severidad. Sin embargo, la PSG es una prueba compleja, costosa
y cuya posterior interpretación por un especialista conlleva mucho tiempo. Por ello, se buscan
alternativas más rápidas y sencillas que permitan automatizar la interpretación de la PSG.
El objetivo de este Trabajo Fin de Grado (TFG) ha sido evaluar la utilidad de técnicas de
deep learning, en concreto redes neuronales convolucionales (CNN), aplicadas sobre la señal de
un electroencefalograma (EEG) para la la detección automática de microdespertares (arousals)
en niños con sospecha de AOS. Los arousals ayudan a analizar las fases de sueño de los niños y
medir el grado de severidad de la AOS. Sin embargo, los estudios previos que han abordado la
detección automática de arousals se han centrado únicamente en pacientes adultos, lo que, junto
con las diferencias de la AOS en la población adulta provoca que los modelos de clasificación no
sean fácilmente generalizables.Pediatric obstructive sleep apnea (OSA) is a disease characterized by breathing pauses and sleep
disturbance that affects up to 5% of children and has negative consequences for their health
and development. Through an overnight polysomnography (PSG), OSA can be diagnosed and
measure its severity. However, the PSG is a complex, expensive test that is time-consuming to be
interpreted by a specialist. Therefore, faster and simpler alternatives are needed to automate the
interpretation of the PSG.
The aim of this Bachelor’s Thesis has been to evaluate the utility of deep learning techniques,
specifically convolutional neural networks (CNN) applied on the signal of an electroencephalogram
(EEG) for the automatic detection of arousals in children with suspected OSA. Arousals contribute
to study the child’s sleep phases and measure the degree of severity of an OSA. However, previous
studies that have addressed automatic detection of arousals have focused only on adult patients,
which, together with the differences in OSA on adults, it makes the classification models not easily
generalizables.Departamento de Informática (Arquitectura y Tecnología de Computadores, Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos)Departamento de Teoría de la Señal y Comunicaciones e Ingeniería TelemáticaGrado en Ingeniería Informátic
- …
