Browsing by Subject "Neural Network"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Identificación automática del núcleo subtalámico mediante el entrenamiento de redes neuronales convolucionales a partir de señales MER
    (Pontificia Universidad Javariana Cali, 2024) Lozano Millán, Diego Alejandro; Parada Hernández, Andrés; Vega Preciado, Christian Camilo; Vargas Cardona, Hernán Darío
    Según la Organización Mundial de la Salud, la enfermedad de Parkinson ha impactado de manera significativa a la población mayor en todo el mundo. Para reducir los efectos secundarios de los medicamentos y superar las limitaciones de las terapias convencionales, la estimulación cerebral profunda (DBS, por sus siglas en inglés) se ha consolidado como una alternativa de gran valor. No obstante, su aplicación plantea desafíos importantes. Este procedimiento se centra en la implantación de microelectrodos en el núcleo subtalámico (STN, Subthalamic Nucleus) para, posteriormente, aplicar una estimulación que disminuye los temblores característicos de la enfermedad. Aunque se han logrado avances en la identificación del STN, el proceso sigue siendo complejo y requiere el desarrollo de sistemas automatizados que permitan a los especialistas tomar decisiones informadas con mayor facilidad. Para abordar estos desafíos en la identificación del STN mediante señales MER, se formuló la siguiente pregunta de investigación principal: ¿Cómo identificar el STN mediante el entrenamiento de modelos basados en CNN con las señales MER?. A partir de esta interrogante, se derivan otras preguntas clave que estructuran el proceso de investigación: ¿Cuáles son los procedimientos necesarios para llevar a cabo el preprocesamiento de una base de datos de señales MER previamente etiquetadas, incluyendo registros del STN y otras estructuras relevantes en la EP?; ¿Cuáles son las arquitecturas o modelos basados en CNN más adecuados para implementar en la identificación del STN a partir de señales MER?; y, finalmente, ¿Cómo se puede realizar una evaluación robusta y confiable del rendimiento de los diferentes modelos de CNN en el contexto de clasificación, utilizando métricas apropiadas para medir su eficacia? Estas preguntas orientan el desarrollo de una metodología sólida que contempla desde el procesamiento de datos hasta la elección de modelos y la evaluación rigurosa de su desempeño, con el objetivo de optimizar la identificación del STN en pacientes con Parkinson.
  • Thumbnail Image
    Item
    Modelo de predicción de precipitación acumulada para un departamento de Colombia por medio de la implementación de redes neuronales recurrentes (LSTM) e integración de datos satelitales
    (Pontificia Universidad Javariana Cali, 2024) Gómez Sepúlveda, Jorge Iván; Lafaurie Suárez, Jonathan Andrés; María Camila, Mendoza García; Arango Londoño, David
    Este proyecto se enfoca en la predicción de la precipitación acumulada en el departamento del Valle del Cauca en Colombia, catalogada como una región que está altamente influenciada por factores climáticos variables dada su geografía y la ocurrencia de fenómenos temporales como “La Niña” o “El Niño”, los cuales generan cambios en los niveles de precipitación y afectan significativamente diversos sectores como la agricultura, la ganadería, el transporte y la economía en general. Dado esto, se desarrolla un modelo predictivo que hace uso de redes neuronales recurrentes (LSTM), a partir de información de precipitación observada (medidas terrestres) y satelital. Este enfoque, permite superar los limitantes de otros métodos convencionales de series de tiempo y, de esta forma, mejorar la precisión y el rendimiento de los modelos actuales. Los objetivos específicos en este proyecto incluyen factores como la selección del departamento más idóneo para la investigación, el análisis temporal y espacial de la base de datos empleada para el estudio, la instauración y evaluación del modelo LSTM y la comparación con otros modelos tradicionales de series de tiempo. Todo esto, está encaminado para el desarrollo de un modelo de predicción que logre estimaciones de la precipitación semanal acumulada. El proyecto, tiene como valor agregado la integración de información satelital por medio del procesamiento de imágenes satelitales y su potencial, radica en su aplicación en futuras investigaciones que puedan convertirla en un recurso valioso para diferentes agentes y autoridades relacionadas con el clima y la meteorología. Además, se aspira a que pueda escalarse hacia otras regiones del país, contribuyendo al manejo adecuado de recursos y la planificación meteorológica
  • Thumbnail Image
    Item
    Modelo de predicción de precipitación acumulada para un departamento de Colombia por medio de la implementación de redes neuronales recurrentes (LSTM) e integración de datos satelitales.
    (Pontificia Universidad Javariana Cali, 2024) Mendoza García, María Camila; Lafaurie Suárez, Jonathan Andrés; Gómez Sepúlveda, Jorge Iván; Arango Londoño, David
    Este proyecto se enfoca en la predicción de la precipitación acumulada en el departamento del Valle del Cauca en Colombia, catalogada como una región que está altamente influenciada por factores climáticos variables dada su geografía y la ocurrencia de fenómenos temporales como “La Niña” o “El Niño”, los cuales generan cambios en los niveles de precipitación y afectan significativamente diversos sectores como la agricultura, la ganadería, el transporte y la economía en general. Dado esto, se desarrolla un modelo predictivo que hace uso de redes neuronales recurrentes (LSTM), a partir de información de precipitación observada (medidas terrestres) y satelital. Este enfoque, permite superar los limitantes de otros métodos convencionales de series de tiempo y, de esta forma, mejorar la precisión y el rendimiento de los modelos actuales. Los objetivos específicos en este proyecto incluyen factores como la selección del departamento más idóneo para la investigación, el análisis temporal y espacial de la base de datos empleada para el estudio, la instauración y evaluación del modelo LSTM y la comparación con otros modelos tradicionales de series de tiempo. Todo esto, está encaminado para el desarrollo de un modelo de predicción que logre estimaciones de la precipitación semanal acumulada. El proyecto, tiene como valor agregado la integración de información satelital por medio del procesamiento de imágenes satelitales y su potencial, radica en su aplicación en futuras investigaciones que puedan convertirla en un recurso valioso para diferentes agentes y autoridades relacionadas con el clima y la meteorología. Además, se aspira a que pueda escalarse hacia otras regiones del país, contribuyendo al manejo adecuado de recursos y la planificación meteorológica.