Técnicas no lineales y de aprendizaje profundo aplicadas al procesamiento de señales biomédicas

Simple item page
dc.creatorSchlotthauer, Gastón
dc.creatorRestrepo Rinckoar, Juan F.
dc.creatorAlzamendi, Gabriel A.
dc.creatorCasal, Ramiro
dc.creatorColominas, Marcelo A.
dc.creatorMiramont, Juan M.
dc.creatorRuiz, Joaquín V.
dc.creatorZalazar, Iván
dc.date2025-12-03
dc.date.accessioned2025-12-15T12:45:12Z
dc.date.available2025-12-15T12:45:12Z
dc.date.issued2025
dc.descriptionEste proyecto se enfoca en el estudio y desarrollo de técnicas de procesamiento, modelado y análisis de señales biomédicas, considerando su naturaleza no estacionaria y no lineal. Las metodologías tradicionales suelen ignorar estas características, por lo que es necesario diseñar herramientas adaptadas a estos sistemas. Se plantea que las señales biomédicas deben analizarse con métodos que modelen adecuadamente su comportamiento o sean completamente adaptativos, combinándolos con técnicas de aprendizaje automático para mejorar la simulación, clasificación, segmentación y reducción de ruido. Será de interés la aplicación de aprendizaje profundo y medidas de transferencia de información para la clasificación de señales  relacionadas con el sueño. Estas herramientas han demostrado ser útiles en el procesamiento de señales electroencefalográficas y polisomnográficas, facilitando la estadificación del sueño y la identificación de eventos de interés diagnóstico. Además, se busca fortalecer la formación de recursos humanos mediante becas e impulsar la consolidación de un grupo de investigación en TICs, especialmente en procesamiento de señales biomédicas. Esto se desarrolla en el contexto del Instituto de Investigaciones y Desarrollo en Bioingeniería y Bioinformática (CONICET-UNER), contribuyendo al avance del análisis de señales médicas con enfoques innovadores basados en teoría de la información y aprendizaje profundo.es-ES
dc.formatapplication/pdf
dc.identifierhttps://ojstesteo.uner.edu.ar/index.php/Scdyt/article/view/2505
dc.identifier.urihttps://ritest.uner.edu.ar/handle/123456789/1176
dc.languagespa
dc.language.isoes
dc.publisherUniversidad Nacional de Entre Ríoses-ES
dc.relationhttps://ojstesteo.uner.edu.ar/index.php/Scdyt/article/view/2505/2561
dc.rightsDerechos de autor 2025 Gastón Schlotthauer, Juan F. Restrepo Rinckoar, Gabriel A. Alzamendi, Ramiro Casal, Marcelo A. Colominas, Juan M. Miramont, Joaquín V. Ruiz, Iván Zalazares-ES
dc.rightshttp://creativecommons.org/licenses/by/4.0es-ES
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-sa/4.0/
dc.source2250-4559
dc.sourceCiencia, Docencia y Tecnología Suplemento; Vol. 15 No. 19 (2025)en-US
dc.sourceCiencia, Docencia y Tecnología Suplemento; ##issue.vol## 15 ##issue.no## 19 (2025)es-AR
dc.sourceCiencia, Docencia y Tecnología Suplemento; Vol. 15 Núm. 19 (2025)es-ES
dc.sourceCiencia, Docencia y Tecnología Suplemento; Vol. 15 N.º 19 (2025)pt-PT
dc.subjectAprendizaje profundo; Señales biomédicas; Teoría de la informaciónes-ES
dc.subjectBiomedicina; Ingenieríaes-ES
dc.titleTécnicas no lineales y de aprendizaje profundo aplicadas al procesamiento de señales biomédicases-ES
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:ar-repo/semantics/artículo
dc.typeinfo:eu-repo/semantics/acceptedVersion
dc.typeArtículo Científico

Files

Collections

importacionSCDYT