Examinando por Materia "aprendizaje de máquina"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónSólo datos
    Caracterización de sonidos deglutorios adquiridos mediante auscultación cervical en sujetos sanos y con disfagia.
    (Fondo Editorial EIA - Universidad EIA, 2022-06-01) Betancur Rengifo, Juan Pablo; Restrepo Uribe, Juan Pablo; Pérez Giraldo, Estefania; Orozco Duque, Andrés
    La deglución es un acto de alta complejidad neuromuscular debido a que intervienen más de 30 pares musculares y 5 pares craneales en un periodo corto de tiempo. Esta se divide en 4 etapas: pre oral, oral, orofaríngea y esofágica, una alteración en el desarrollo normal de alguna de estas fases puede desarrollar un síntoma secundario a enfermedades neuromusculares y neurogénicas que se conoce como disfagia, esta puede traer consigo muchas dificultades para quien la padece, entre esta neumonía bronquial, desnutrición, deshidratación o incluso la muerte por asfixia. La identificación de características que ayuden a reconocer dicho síntoma, además de describir correctamente el proceso deglutorio, es de gran importancia ya que los métodos existentes son invasivos. La auscultación cervical es una técnica mediante la cual se puede obtener información del cierre glótico en el proceso deglutorio por medio de señales de audio, y que puede ser analizada de manera off line. El objetivo de este estudio es evaluar diferentes métodos de caracterización de señales de auscultación cervical y desarrollar un modelo de aprendizaje automático con sonidos de eventos deglutorios segmentados de forma manual para clasificar entre sujetos de control y pacientes con disfagia orofaríngea. Los resultados mostraron, con una exactitud máxima de 75 %, que por medio de señales de auscultación cervical es posible identificar sujetos con disfagia, de igual manera se logró identificar que la potencia media de los segmentos deglutorios fue la característica con mejor rendimiento (curva ROC) y una distribución diferente entre clases según la prueba de U-Mann-Whitney, para discriminar entre sanos y pacientes en diferentes actividades deglutorias.
  • Miniatura
    PublicaciónSólo datos
    Propuesta supervisada de aprendizaje de máquina para la estimación de la edad biológica humana basada en odontología forense
    (Fondo Editorial EIA - Universidad EIA, 2020-06-21) Becerra Alvarez, Johana Gabriela; Cortés Osorio, Jimy Alexander
    Código de Procedimiento Penal Colombiano avala el uso apropiado de las piezas dentales para la identificación de individuos, por lo que esta técnica resulta una herramienta de gran importancia en las instituciones que apoyan la administración de justicia. Los métodos clásicos de identificación humana, en especial, los usados para la determinación de la edad biológica de muerte en adultos, han sido desarrollados usando información de poblaciones con características morfológicas, métricas y culturales diferentes a las de Colombia. En consecuencia, se han obtenido tasas de error altas en sus resultados. En esta investigación, se calculó inicialmente la edad biológica usando el método clásico de Lamendin. Posteriormente, con las medidas directas e indirectas, también usadas en el método de Lamendin, se realizó el entrenamiento de las técnicas de aprendizaje de máquina conociendo la edad cronológica de los individuos de la muestra. Se compararon los resultados de las técnicas de regresión de aprendizaje de máquina supervisado: Máquinas de Soporte Vectorial (SVM), Procesos Gaussianos por Regresión (GPR) y Conjuntos de Árboles (Ensembles of Trees), entre otras. Se estudió una muestra de 48 piezas dentales de una sola raíz pertenecientes a 45 individuos de nacionalidad colombiana, con edades cronológicas de fallecimiento conocidas dentro del rango de edades desde los 19 años hasta los 81 años. Por otro lado, se utilizaron el pie de rey digital y el macroscopio de comparación para estimar las alturas de las características morfológicas en las piezas dentales. La mejor exactitud en la estimación de la edad biológica se alcanzó con GPR que presentó una raíz del error medio cuadrático (RMSE) de 3,37 años en la identificación, la cual se contrastó con la exactitud alcanzada por el método de Lamendin con un RMSE de 15,52 años. Esta investigación evidencia que el aprendizaje de máquina con regresión GPR, en especial para el caso colombiano, resulta una herramienta válida para la estimación de la edad biológica de muerte con errores muy inferiores a los entregados por técnicas tradicionales de origen europeo.