INVESTIGADOR(ES) PRINCIPAL(ES):

Alvaro Angel Orozco Gutiérrez

0 horas

CODIGO CIE

6-06-1

Cristian Guarnizo Lemus

Coinvestigador

20 Horas

Francisco Javier Londoño Ocampo

Estudiante

10 Horas

Germán Andrés Holguín Londoño

Coinvestigador

0 Horas

Sandra Patricia Gutiérrez Correa

Estudiante

0 Horas

Victoria Eugenia Montes Restrepo

Estudiante

0 Horas

Julio César Nieto Ramírez

Estudiante

10 Horas

Juan Gabriel Fetecua Valencia

Coinvestigador

0 Horas

Mauricio Alexander Alvarez Lopez

Coinvestigador

0 Horas

Julián David Echeverry Correa

Coinvestigador

20 Horas

TIPO DE CONVOCATORIA

2005. Programa Nacional De Electrónica, Comunicaciones E Informática

TIPO DE PROYECTO

Investigación Aplicada

OBJETIVO(S)

Desarrollar un sistema automatizado de identificación de zonas cerebrales que permita al especialista tratar la enfermedad de Parkinson y otros desórdenes neurológicos.

RESUMEN

El resultado final del proyecto es un sistema automatizado de identificación de zonas cerebrales que permite al especialista tratar la enfermedad de Parkinson y otros desordenes neurològicos. Este producto final se divide en las siguientes partes: 1. Metodología de preprocesamiento que comprende la reducción de los artefactos presentes en las señales MER producto del ruido quirúrgico y de la saturación en el sistema de instrumentación. 2. Metodología para el análisis estático de las señales MER utilizando técnicas estacionarias espectrales basadas en la representación tiempo-frecuencia sobre los distintos componentes que conforman el modelo del registro MER (ruido de fondo, trenes de espigas y señal completa). 3. Metodología para el análisis estático de las señales MER utilizando técnicas no estacionarias de análisis tiempo-frecuencia. 4. Metodología para el análisis dinámico de las señales MER utilizando contornos energéticos extraídos del estudio de las técnicas tiempo frecuencia estacionarias y no estacionarias. 5. Con el fin de realizar una clasificación dinámica sobre el espacio inicial de entrenamiento se emplean primero cadenas ocultas de Markov discretas (COMD) y cadenas ocultas de Markov continuas (COMC). 6. Metodología de validación, para todos los modelos de clasificación, empleando 70% de las observaciones para entrenamiento y 30% para validación. ADEMÁS: -Las metodologías de filtración, caracterización y reconocimiento de patrones se encuentran completamente terminadas. - Se encontró que la información discriminante se halla en la dinámica de cambio y principalmente en la no estacionariedad de la señal. - Se encontró que el filtrado reduce los porcentajes de acierto. - Las caracterizaciones por análisis wavelet y por las transformadas tiempo-frecuencia han permitido obtener altos porcentajes de acierto. - El método incluye las etapas de remoción de artefactos, caracterización, reducción dinámica de características y clasificación. - El método de validación consistió en la estimación de la probabilidad de error de los clasificadores.

ESTADO

Concluido

FECHA DE INICIO

01/01/2006

FECHA DE FINALIZACION

01/05/2008

PRODUCTOS

Agrupamiento de impulsos neuronales en señales neurofisiológicas

Revista especializada

Análisis de la densidad espectral de potencia en registros MER

Revista especializada

Análisis de Proximidad de modelos ocultos de Markov para la Identificación de fuentes espigas

Revista especializada

Análisis de reducción de ruido en señales provenientes de microelectrodos de registro

Revista especializada

Análisis de reducción de ruido en señales provenientes de microelectrodos de registro utilizando la transformada WAVELET

Ponencia en evento especializado

Análisis de Señales y Sistemas

Libro resultante de investigación

Caracterización acústica de bioseñales empleando transformada tiempo-frecuencia y modelado paramétrico

Maestría o Especialidad clínica

Caracterización de señales electrocardiográficas utilizando wavelets adaptativas por esquemas de actualización

Ponencia en evento especializado

Caracterización de señales no estacionarias empleando distribución wigner ville en el reconocimiento de zonas cerebrales

Revista especializada

Caracterización de señales provenientes de Acelerómetros para la detección de fallas mecánicas en máquinas rotativas

Pregrado

Caracterización dinámica de bioseñales utilizando superficies de ajuste

Ponencia en evento especializado

Caracterización y clasificación de señales electrocardiogrñaficas con métodos no lineales y wavlets adaptativas

Pregrado

Combinación de PPCA y HMM para la identificación de infarto agudo de miocardio

Revista especializada

Conferencia sobre la herramienta de análisis wavelet en las bioseñales

Cursos o talleres de extensión

Detección de microcalcificaciones en mamografías digitales

Pregrado

Diseño y desarrollo de un sistema de asistencia médica para la clasificación de patologías y anormalidades en señales bioeléctricas

Pregrado

Entrenamiento de sistemas en la identificación automática de patologías

Libro resultante de investigación

entrenamiento de sistemas en la identificación automática de patologías

Libro resultante de investigación

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

Ponencia en evento especializado

Escalamiento multidimensional de modelos de Markov para la identificación de fuentes de espigas

Ponencia en evento especializado

Identificación de Señales provenientes de la estimulación cerebral profunda utilizando modelos oculos de Markov en condiciones de baja estadística

Pregrado

Identification of spike Sources usin proximity analysis through hidden Markov Models

Ponencia en evento especializado

Identification of spike sources using proximity análisis through hidden markov models

Revista especializada

Kernel principal component analysis through time for voice disorder classification

Ponencia en evento especializado

kernel principal component analysis through time for voice disorder classification

Ponencia en evento especializado

Metodología de reducción de dimensión para sistemas de reconocimiento automático de patrones sobre bioseñales

Maestría o Especialidad clínica

Periódico: Después del Parkinson... A correr con los nietos

Revista especializada

Periódico: Investigadores se unen para mitigar el Parkinson

Revista especializada

Periódico: La UTP mejorará el Parkinson

Revista especializada

Procesamiento y segmentación de señakes no estacionarias utilizando la transformada wavlet

Maestría o Especialidad clínica

Programación básica en Matlab y Simulink

Cursos o talleres de extensión

Reducción de dimensionalidad de características dinámicas empleando procesos markovianos aplicados al reconocimiento de boiseñales

Maestría o Especialidad clínica

Reducción de dimensionalidad de características dinámicas usando HMM y modelos de observación de variable latente

Ponencia en evento especializado

Registro de transeúntes en tiempo real utilizando un sistema de visión artificial sobre un ambiente controlado

Pregrado

Segmentación automática de señales provenientes de microelectrodos de registro utilizando la transformada WAVELET estacionaria

Ponencia en evento especializado

Segmentación de señales provenientes de microelectrodos de registro basado en la transformada wavelet estacionaria

Ponencia en evento especializado

Segmentiación automática de señales neurofisiológicas utilizando mètodos basados en wavelets

Revista especializada

Selección de prototipos en espacios de disimilaridad para la identificación de fuentes espigas representadas mediante modelos ocultos de Markov

Ponencia en evento especializado