Universidad Pública de Navarra



Año Académico: 2016/2017
Máster Universitario en Ingeniería Biomédica por la Universidad Pública de Navarra
Código: 73310 Asignatura: Métodos de clasificación de ayuda al diagnóstico
Créditos: 4.5 Tipo: Optativa Curso: 1 Periodo: 2º S
Departamento: Ingeniería Eléctrica y Electrónica
Profesorado:
NAVALLAS IRUJO, JAVIER (Resp)   [Tutorías ] SANTAFE RODRIGO, GUZMAN   [Tutorías ]

Partes de este texto:

 

Módulo/Materia

Módulo de Especialidad

Materia: Especialidad en Procesado y Comunicación de Señales e Imágenes Médicas

Subir

Descripción/Contenidos

· Análisis multivariante discriminante
· Clasificación Bayesiana
· Redes Neuronales
· Otras metodologías

Subir

Descriptores

Descriptores:

  • Implementación y evaluación de sistemas de clasificación automática
  • Aplicación de sistemas de clasificación a señales biomédicas

 

Observaciones:

 

Los requisitos básicos para la asignatura son los conocimientos básicos de señales y sistemas (manipulación de señales y extracción de características) y los adquiridos en la asignatura previa de Bioestadística.

Subir

Competencias genéricas

CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de
ideas, a menudo en un contexto de investigación
CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos
nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio

CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos
especializados y no especializados de un modo claro y sin ambigüedades
CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de
ser en gran medida autodirigido o autónomo.

Subir

Competencias específicas

· Que los estudiantes posean las habilidades para plantear y desarrollar un sistema de clasificación de señales biomédicas orientado al diagnóstico a partir de una
base de datos de señales etiquetadas.
· Que los estudiantes sepan cuantificar y comparar el rendimiento de un clasificador de señales, validando estadísticamente los resultados.

Subir

Resultados aprendizaje

  • Identificar y componer los elementos un sistema de clasificación.
  • Gestionar y explotar una base de datos de señales biomédicas con fines orientados a la investigación.
  • Emplear técnicas multivariantes, Bayesianas, árboles de decisión y redes neuronales para la clasificación de señales.
  • Evaluar estadísticamente y de forma comparativa el rendimiento de los sistemas de clasificación.

Subir

Metodología

Metodología - Actividad
Horas Presenciales
Horas no presenciales
A-1 Clases expositivas/participativas
 15
 
A-2 Prácticas
 25
 
A-3 Debates, puestas en común, tutoría grupos
 4
 
A-4 Elaboración de trabajo
 
 20 
A-5 Lecturas de material
 
25 
A-6 Estudio individual
 15
 
A-7 Exámenes, pruebas de evaluación
 1
 
A-8 Tutorías individuales
 
 
 
 
 
Total
 45
60 

Subir

Idiomas

Castellano

Subir

Evaluación

 

Resultado de aprendizaje Sistema de evaluación Peso (%) Carácter recuperable
 Identificar y componer los elementos un sistema de clasificación  Proyecto    
 Gestionar y explotar una base de datos de señales biomédicas con fines orientados a la investigación  Proyecto    
 Emplear técnicas multivariantes, Bayesianas, árboles de decisión y redes neuronales para la clasificación de señales  Test  10  
 Evaluar estadísticamente y de forma comparativa el rendimiento de los sistemas de clasificación  Test   10   
 Todas  Proyecto    

 

 

Subir

Temario

Introducción

  • Clasificación de patrones y diagnóstico médico
  • Clasificación supervisada vs. Clasificación no supervisada
  • Aprendizaje y evaluación
  • FP y FN, sensibilidad y especificidad
  • Métricas: Euclídea y Mahalanobis. Representantes y distancia mínima

Análisis multivariante discriminante

  • Introducción. Objetivos del análisis
  • Clasificación con 2 poblaciones. Caso de poblaciones normales
  • Generalización a la clasificación de varias poblaciones normales
  • Obtención de variables canónicas discriminantes
  • Discriminación cuadrática
  • Aplicación práctica. Casos y ejemplos

Clasificación Bayesiana

  • Introducción al problema de clasificación desde el punto de vista de de la clasificación Bayesiana. Máxima verosimilitud, máximo a posteriori.
  • Redes Bayesianas: conceptos básicos, aprendizaje estructural, aprendizaje paramétrico
  • Clasificadores basados en redes Bayesianas: naive Bayes, semi-naive Bayes, naive Bayes aumentado a árbol, otros clasificadores basado en redes Bayesianas.
  •  Aplicación práctica. Casos y ejemplos

Redes Neuronales

  • RN Lineal. Relación con discriminantes lineales
  • RN No Lineal
  • RN Multicapa. Retropropagación

 Otras metodologías

  • Kohonen SOMs
  • Suport Vector Machines
  • Árboles de decisión, modelos CART.

Subir

Bibliografía

Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.


  • M. Hall, I. Witten and E. Frank (2011). Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann 
  • E. Castillo, J.M. Gutierrez and A. S. Hadi (1997). Expert Systems and Probabilistic Network Models.  Springer. 
  • Richard O. Duda, Peter E. Hart, David G. Stork. (2001). Pattern classification. John Wiley & Sons 

Subir