Algoritmos inteligentes profundos para análisis y clasificación de bioseñales

Abstract

El trabajo con bioseñales y datos del mundo real presenta una serie de problemas aún no resueltos completamente, como la variabilidad intra o inter-individuos, la contaminación con diferentes tipos de ruido, la no estacionariedad y/o no linealidad. En el caso de la clasificación es necesario resolver casos vinculados a fronteras de decisión complejas y/o dinámicas, alta dimensionalidad y distribuciones fuertemente no gaussianas. En este proyecto se trabajará, como casos de estudio y aplicación, con señales provenientes de tres áreas/problemas diferentes: 1) se estudiarán señales médicas relacionadas al sistema respiratorio, con particular interés en el desarrollo de nuevas herramientas de ayuda al diagnóstico de patologías del sueño. 2) se tratarán también otras señales de origen fisiológico, relacionadas con los procesos cerebrales cognitivos y de comunicación, para el desarrollo de interfaces hombre-máquina. 3) se estudiarán diversas señales relacionadas con el comportamiento de animales rumiantes, con el objeto de mejorar la producción ganadera a partir de la estimación de distintas variables relacionadas con su alimentación, estado de salud y reproducción. Los resultados científicos esperados apuntan al desarrollo de nuevos algoritmos inteligentes profundos de análisis y reconocimiento de patrones en señales de origen biológico en el contexto de los problemas planteados.

Working with biosignals and real-world data presents a series of problems that are still not completely solved, such as intra or inter-individual variability, contamination with different types of noise, non-stationarity and/or non-linearity. In the case of classification, it is necessary to solve cases related to complex and/or dynamic decision boundaries, high dimensionality and strongly non-Gaussian distributions. For this project we will use, as cases for study and application, signals from three different areas/problems: 1) Medical signals related to the respiratory system, with a particular interest in the development of new tools to help diagnose sleep-related pathologies. 2) Brain signals related to cognitive and communication processes, for the development of human-machine interfaces. 3) Various signals related to the behaviour of ruminant animals will be studied, in order to improve livestock production based on the estimation of different variables related to their diet, health and reproduction. The expected scientific results point to the development of new deep intelligent algorithms for analysis and recognition of patterns in signals of biological origin in the context of the posed problems.