INVESTIGADOR(ES) PRINCIPAL(ES):

Carlos Alberto Restrepo Patiño

0 horas

CODIGO CIE

E6-05-7

Alvaro Angel Orozco Gutiérrez

Tutor

0 Horas

TIPO DE CONVOCATORIA

2005. Segunda Convocatoria

TIPO DE PROYECTO

Investigación Aplicada

OBJETIVO(S)

Desarrollar un algoritmo de clasificación orientado al reconocimiento de regiones cerebrales empleando modelos ocultos de Markov (HMM) en condiciones de baja estadística.

RESUMEN

Se presenta un esquema de entrenamiento discriminativo para estimar los parámetros de un modelo oculto de Markov (HMM - Hidden Markov Model) con el fin de realizar el reconocimiento automatizado de zonas cerebrales. Tradicionalmente, los modelos ocultos de Markov se suelen entrenar usando el esquema de máxima verosimilitud (ML - maximum likelihood). El entrenamiento por ML es un método que no minimiza la tasa de error de clasificación, por ser de estimación puntual es susceptible al sobreentrenamiento (posee una pobre capacidad de generalización), y además requiere que el conjunto de entrenamiento tenga un tamaño considerable. Para evitar estos inconvenientes se propone utilizar esquemas de entrenamiento discriminativo que minimizan directamente el error de clasificación de los modelos ocultos en la tarea de clasificación. En particular, los parámetros de los modelos se estiman usando el criterio de error de clasificación mínimo (MCE - minimum classification error), en el cual el objetivo del entrenamiento es poder discriminar correctamente las observaciones para obtener los mejores resultados de reconocimiento o clasificación en lugar de ajustar las distribuciones a los datos. Los resultados obtenidos para el reconocimiento de señales provenientes de la estimulación cerebral profunda indican que los modelos entrenados con MCE generan un mejoramiento en el acierto cercano al 30% en comparación con los entrenados con ML.

ESTADO

Concluido

FECHA DE INICIO

01/06/2005

FECHA DE FINALIZACION

01/03/2006

PRODUCTOS

Empleo de modelos ocultos de Markov en la identificación de zonas cerebrales

Ponencia en evento especializado

Entrenamiento discriminativo de modelos ocultos de Markov mediante mínimo de error de clasificación para el reconocimiento de zonas cerebrales

Ponencia en evento especializado