Maestría en Ingeniería de Sistemas e Informática

Permanent URI for this collection

https://noesis.uis.edu.co/handle/20.500.14071/9010

Browse

Browsing Maestría en Ingeniería de Sistemas e Informática by browse.metadata.evaluator "Malpica González, Norberto Antonio"

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    Biomarcador digital para la cuantificación de patrones parkinsonianos usando información audiovisual
    (Universidad Industrial de Santander, 2023-07-28) Valenzuela Rincón, Brayan Camilo; Martínez Carrillo, Fabio; Arévalo Ovalle, John Edilson; Pertuz Arroyo, Said David; Malpica González, Norberto Antonio
    La enfermedad de Parkinson es un trastorno neurodegenerativo que afecta a un gran número de personas en todo el mundo. Desordenes del habla y las alteraciones del movimiento facial son síntomas representativos de la enfermedad, estudiados manualmente por neurólogos expertos. En este contexto, se han desarrollado redes neuronales especializadas para el análisis de audio (voz) y vídeo (rostro), con el fin de apoyar el diagnóstico de la enfermedad. En este trabajo, proponemos la integración de representaciones profundas audiovisuales, aprendidas por dos redes neuronales independientes especializadas en el análisis de alteraciones faciales y auditivas. Para ello, se definió un protocolo de captura para adquirir secuencias audiovisuales totalmente sincronizadas en una población de pacientes diagnosticados de enfermedad de Parkinson y sujetos control. Los resultados obtenidos demostraron que la integración de fuentes de información neurológicamente sincronizadas, juega un factor fundamental en la detección de patrones relacionados con la enfermedad de Parkinson, consiguiendo una mejora en el diagnóstico de hasta el 10,22\% del Área bajo la curva ROC (AUC). En particular, los resultados sugieren que la información aprendida por la red de audio actúa de forma complementaria a la información procedente del vídeo, sugiriendo que la simple integración lineal a partir de diferentes modalidades sensoriales, es suficiente para mejorar la detección y diagnóstico de la enfermedad de Parkinson. Este trabajo representa un esfuerzo preliminar hacia el análisis multimodal de estos síntomas, con el objetivo de mejorar tanto la comprensión como el diagnóstico de la enfermedad.
  • No Thumbnail Available
    Item
    Estratificación de la malignidad de los nódulos pulmonares en secuencias de tomografía computarizada (TC) utilizando representaciones discriminativas profundas
    (Universidad Industrial de Santander, 2023-08-04) Moreno Tarazona, Alejandra; Martínez Carrillo, Fabio; Rueda Olarte, Andrea del Pilar; Malpica González, Norberto Antonio; Romo Bucheli, David Edmundo
    El cáncer de pulmón se mantiene como la principal causa de mortalidad relacionada con el cáncer a nivel mundial. Los nódulos son el principal hallazgo radiológico, típicamente observado a partir de tomografías computarizadas de baja dosis. Estas masas se estratifican de forma general según patrones texturales y geométricos, siguiendo los criterios establecidos por el protocolo Lung-RADS. No obstante, la caracterización del diagnóstico de los nódulos sigue siendo subjetivo, reportando un acuerdo moderado entre los expertos. Peor aún, únicamente el 5% de los nódulos tienen una correlación asociada con el cáncer de pulmón, lo que conduce a una alta tasa de falsos positivos durante el análisis de los expertos. Actualmente, los enfoques computacionales apoyan el diagnóstico a partir de las observaciones de los nódulos, pero fundamentalmente entre clases malignas y benignas. Incluso peor, muchos nódulos carecen de diagnóstico debido a su naturaleza indeterminada. Este trabajo introduce una arquitectura multi-atención dedicada a la clasificación múltiple de nódulos, que se beneficia de mapas de saliencia locales, intermedios y no locales, aprendidos a partir de ramas independientes. La validación incluye un extenso análisis respecto a las características de múltiple atención, permitiendo establecer una correlación con otros hallazgos radiológicos. Asimismo, se incluyó en este estudio una concordancia con múltiples radiólogos. El enfoque propuesto alcanza un AUC de 85,35% para una multi-clasificación clásica y un AUC promedio de 82,90% en un esquema de validación de uno contra todos. Ambos esquemas de clasificación se ejecutaron en una configuración de validación cruzada de k-fold, mostrando resultados competitivos en el estado del arte. Una vez realizado el entrenamiento de la arquitectura, los nódulos indeterminados fueron mapeados al método propuesto para obtener un soporte en la clasificación de la malignidad.