Web gune honek bere cookiak eta bitartekoenak erabiltzen ditu zure nabigazioa optimizatzeko, zure lehentasunetara egokitzeko eta jarduera analitikoak egiteko. Nabigatzen jarraitu ez gero, gure Cookien Politika onartzen duzu.

Onartu
2022ko irailak 13Bilboko Campusa

eVIDA, grupo de investigación de la Universidad de Deusto, presenta su trabajo de investigación en el European Society of Cardiology Congress 2022

El grupo de investigación eVIDA de la Universidad de Deusto participó entre el 26 y 29 de agosto de 2022 en el European Society of Cardiology Congress 2022. El investigador Mario Fernando Jojoa Acosta (eVIDA) de Deusto presentó la investigación “Novel Complex-Valued Deep Learning Applied to Automatic Classification of Heart Sounds” donde se propone el uso de novedosos algoritmos de inteligencia artificial basados en números complejos para la detección de anomalías cardíacas.

La investigación presenta un novedoso enfoque donde los datos de entrada resultan en grabaciones de latidos del corazón previamente pre-procesados para su representación en dos dimensiones a través del uso de la transformada Wavelet.

La misión principal del Grupo eVIDA es aportar soluciones que impacten la calidad de vida de la comunidad, por ello, con este trabajo se contribuye al avance en el desarrollo de herramientas de soporte médico para una detección temprana de enfermedades cardiacas

Sobre la investigación

Los algoritmos aplicados son el resultado de la tesis doctoral del investigador Mario Fernando Jojoa Acosta, bajo la dirección de la profesora María Begoña García-Zapirain de la Universidad de Deusto y el profesor Winston Spencer Percybrooks de la Universidad del Norte. La propuesta abre posibilidades para mitigar un poco el estancamiento que ha tenido el Deep learning basado en números reales a la vez que proporciona una herramienta complementaria para el aprovechamiento de la información de fase en las entradas al modelo predictivo. 

Más información sobre el desempeño superior de estas estructuras las argumenta Jojoa et al. en su artículo “A Fair Performance Comparison between Complex-Valued and Real-Valued Neural Networks for Disease Detection”.

De igual manera, se propone una categoría general dentro de la teoría de la inteligencia artificial, pues se puede considerar que los algoritmos basados en números reales son un caso particular de los algoritmos de valor complejo, cuando su parte imaginaria es cero. Sin embargo, este concepto que pareciera sencillo, mantiene una complejidad matemática elevada, pues la mayoría de los algoritmos de aprendizaje para estructuras de Deep Learning se basan en el cálculo del vector gradiente. Ésto conlleva la necesidad de usar funciones matemáticas derivables en el espacio donde están definidas, lo que representa un reto para el equipo e VIDA, ya que el siguiente paso es encontrar un algoritmo de optimización que trabaje enteramente en el espacio de Hilbert y con ello, mejorar las métricas de desempeño obtenidas hasta el momento.

Para más información.  Grupo de Investigación eVIDA