Logotipo del repositorio
  • English
  • Español
  • Français
  • Iniciar sesión
    Identificación habilitada exclusivamente para personal de Biblioteca.
    ¿Has olvidado tu contraseña?
Logotipo del repositorio
  • Colecciones
  • Filtrar búsqueda
  • Depositar
  • English
  • Español
  • Français
  • Iniciar sesión
    Identificación habilitada exclusivamente para personal de Biblioteca.
    ¿Has olvidado tu contraseña?
  1. Inicio
  2. Buscar por autor

Examinando por Autor "Estella Nonay, Eladio"

Mostrando 1 - 1 de 1
Resultados por página
Opciones de ordenación
  • Cargando...
    Miniatura
    Publicación
    Diagnóstico Automático de la Figura Compleja de Rey mediante Redes Siamesas
    (Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial, 2020-09) Estella Nonay, Eladio; Rincón Zamorano, Mariano
    El uso de las últimas técnicas en Inteligencia Artificial como herramienta de ayuda en el ámbito médico es un reto actual e irrenunciable. En este contexto, los métodos de detección de similitudes y las Redes Neuronales Convolucionales utilizadas en tareas de visión artificial para la extracción de características pueden contribuir enormemente al análisis de pruebas médicas basadas en dibujos a mano alzada. Este trabajo reúne ambas ideas y presenta la utilización de las Redes Neuronales Siamesas para realizar un diagnóstico automático de enfermedades neurodegenerativas basado en la prueba de la Figura Compleja de Rey. Profundiza en la idoneidad de este tipo de redes y realiza un estudio comparativo de 3 arquitecturas diferentes: una Red Neuronal Artificial, una Red Neuronal Siamesa y una modificación de ésta para su entrenamiento mediante triplets. Para ello, se dispone de cerca de 500 dibujos recogidos en un estudio de investigación en el campo de la neuropsicología, realizados por pacientes sanos o con algún grado de deterioro cognitivo. Debido al reducido número de instancias, se propone el preentrenamiento de las redes con la técnica de Transfer Learning mediante un dataset de dibujos mucho mayor y de características similares.
Enlaces de interés

Aviso legal

Política de privacidad

Política de cookies

Reclamaciones, sugerencias y felicitaciones

Recursos adicionales

Biblioteca UNED

Depósito de datos de investigación

Portal de investigación UNED

InvestigaUNED

Contacto

Teléfono: 913986562 / 6643 / 6633 / 8766

Correo: repositoriobiblioteca@adm.uned.es