Técnicas no lineales y de aprendizaje profundo aplicadas al procesamiento de señales biomédicas
No Thumbnail Available
Date
2025
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Nacional de Entre Ríos
Abstract
Description
Fil: Apellido, Nombre. Universidad Nacional de Entre Ríos. Nombre de la Facultad; Argentina.
Este proyecto se enfoca en el estudio y desarrollo de técnicas de procesamiento, modelado y análisis de señales biomédicas, considerando su naturaleza no estacionaria y no lineal. Las metodologías tradicionales suelen ignorar estas características, por lo que es necesario diseñar herramientas adaptadas a estos sistemas. Se plantea que las señales biomédicas deben analizarse con métodos que modelen adecuadamente su comportamiento o sean completamente adaptativos, combinándolos con técnicas de aprendizaje automático para mejorar la simulación, clasificación, segmentación y reducción de ruido. Será de interés la aplicación de aprendizaje profundo y medidas de transferencia de información para la clasificación de señales relacionadas con el sueño. Estas herramientas han demostrado ser útiles en el procesamiento de señales electroencefalográficas y polisomnográficas, facilitando la estadificación del sueño y la identificación de eventos de interés diagnóstico. Además, se busca fortalecer la formación de recursos humanos mediante becas e impulsar la consolidación de un grupo de investigación en TICs, especialmente en procesamiento de señales biomédicas. Esto se desarrolla en el contexto del Instituto de Investigaciones y Desarrollo en Bioingeniería y Bioinformática (CONICET-UNER), contribuyendo al avance del análisis de señales médicas con enfoques innovadores basados en teoría de la información y aprendizaje profundo.
Este proyecto se enfoca en el estudio y desarrollo de técnicas de procesamiento, modelado y análisis de señales biomédicas, considerando su naturaleza no estacionaria y no lineal. Las metodologías tradicionales suelen ignorar estas características, por lo que es necesario diseñar herramientas adaptadas a estos sistemas. Se plantea que las señales biomédicas deben analizarse con métodos que modelen adecuadamente su comportamiento o sean completamente adaptativos, combinándolos con técnicas de aprendizaje automático para mejorar la simulación, clasificación, segmentación y reducción de ruido. Será de interés la aplicación de aprendizaje profundo y medidas de transferencia de información para la clasificación de señales relacionadas con el sueño. Estas herramientas han demostrado ser útiles en el procesamiento de señales electroencefalográficas y polisomnográficas, facilitando la estadificación del sueño y la identificación de eventos de interés diagnóstico. Además, se busca fortalecer la formación de recursos humanos mediante becas e impulsar la consolidación de un grupo de investigación en TICs, especialmente en procesamiento de señales biomédicas. Esto se desarrolla en el contexto del Instituto de Investigaciones y Desarrollo en Bioingeniería y Bioinformática (CONICET-UNER), contribuyendo al avance del análisis de señales médicas con enfoques innovadores basados en teoría de la información y aprendizaje profundo.
Keywords
Aprendizaje profundo; Señales biomédicas; Teoría de la información, Biomedicina; Ingeniería