0 calificaciones0% encontró este documento útil (0 votos)
6 vistas2 páginas
Este documento propone un trabajo de fin de grado sobre la interpretación de algoritmos de deep learning en el análisis de tos grabada en smartphones. El estudiante analizará métodos para interpretar las salidas de redes neuronales convolucionales aplicadas al reconocimiento de eventos respiratorios, con el fin de comprender cómo toman decisiones estos modelos. El trabajo desarrollará competencias en aprendizaje profundo, procesamiento de señales de audio y aplicaciones biomédicas.
Este documento propone un trabajo de fin de grado sobre la interpretación de algoritmos de deep learning en el análisis de tos grabada en smartphones. El estudiante analizará métodos para interpretar las salidas de redes neuronales convolucionales aplicadas al reconocimiento de eventos respiratorios, con el fin de comprender cómo toman decisiones estos modelos. El trabajo desarrollará competencias en aprendizaje profundo, procesamiento de señales de audio y aplicaciones biomédicas.
Este documento propone un trabajo de fin de grado sobre la interpretación de algoritmos de deep learning en el análisis de tos grabada en smartphones. El estudiante analizará métodos para interpretar las salidas de redes neuronales convolucionales aplicadas al reconocimiento de eventos respiratorios, con el fin de comprender cómo toman decisiones estos modelos. El trabajo desarrollará competencias en aprendizaje profundo, procesamiento de señales de audio y aplicaciones biomédicas.
Interpretabilidad de algoritmos basados en deep learning en el análisis de Título: eventos de tos adquiridos mediante smartphones Rosa María Menchón Lara Tutor: Pablo Casaseca de la Higuera Departamento de Teoría de la Señal y Comunicaciones e Ingeniería Departamento: Telemática (TSCIT) La detección y análisis automáticos de señales de tos adquiridas en entornos ruidosos ha captado gran interés en los últimos años, especialmente tras la pandemia generada por el virus SARS-COV-2 causante de la COVID-19. Este análisis permite detectar a tiempo exacerbaciones de enfermedades crónicas como la EPOC o el cáncer de pulmón, e incluso, utilizado con fines diagnósticos actuar como herramienta de screening para detectar COVID-19. Los algoritmos de Inteligencia Artificial, al comportarse en muchos casos como cajas negras, Resumen (máx. 150 no proporcionan información sobre qué propiedades de los datos les palabras): llevan a tomar unas decisiones u otras. Dado que estas decisiones son de vital importancia en el caso que nos ocupa, resulta de creciente interés el conocimiento de cómo y por qué un determinado modelo toma sus decisiones. En este TFG se estudiarán metodologías que permitan interpretar los resultados de salida de redes convolucionales basadas en aprendizaje profundo, analizando las implicaciones que esto tiene en el análisis de eventos de tos adquiridos mediante teléfonos móviles. Aprendizaje profundo (deep learning), enfermedad respiratoria, análisis de Palabras clave: audio, interpretabilidad. Competencias del Título que el TFG desarrolla más CG1, CG9, CE32 profundamente (máx. 4)
………… Asociado a Prácticas Externas
Nombre del estudiante preasignado (si procede):
Propuesta de Tribunal del Trabajo de Fin de Grado
Presidente: Rodrigo de Luis García Secretario: Rosa María Menchón Lara Vocal: Santiago Aja Fernández
SR. COORDINADOR DEL GRADO EN INGENIERÍA BIOMÉDICA
Debe remitirse al Coordinador del Grado (grado.ing.biomedica@uva.es). Grado en Ingeniería Biomédica
Suplente 1: Miguel Ángel Martín Fernández
Suplente 2: Antonio Tristán Vega El tutor sí puede formar parte del tribunal del TFG
SR. COORDINADOR DEL GRADO EN INGENIERÍA BIOMÉDICA
Debe remitirse al Coordinador del Grado (grado.ing.biomedica@uva.es).