Análise Acústica para Classificação de Patologias Vocais

Vista previa del material en texto

Clasificación de patoloǵıas mediante análisis acústico de la
voz
Y. Sabuco Garćıa 1, D. Ruiz Fernández 1,2
1 Escuela Politécnica Superior, Universidad de Alicante, Alicante, España, ysg4@alu.ua.es
2 Escuela Politécnica Superior, Universidad de Alicante, Alicante, España, druiz@gcloud.ua.es
Resumen
Son múltiples los factores que intervienen en el acto de la
fonación, por tanto, la voz puede evidenciar la presencia
de enfermedades de diversa ı́ndole. El desarrollo de nuevos
sistemas diagnósticos basados en el análisis de la voz puede
ofrecer ventajas como la sencillez y la inocuidad. En este
trabajo, se presenta un método de detección de sujetos pa-
tológicos a partir de la señal acústica de la voz mediante el
conjunto de caracteŕısticas ComParE de openSMILE y el
modelo de ensemble Bagging.
1. Introducción
La voz es enerǵıa acústica que ha sido convertida por
las cuerdas vocales a partir de enerǵıa aerodinámica
que genera el aparato respiratorio [1]. Dada la gran
cantidad de actores involucrados en la generación de la
voz, directa o indirectamente, ésta puede ser el signo de
enfermedades a diferentes niveles del organismo. Técni-
cas diagnósticas basadas en el análisis de voz podŕıan
ofrecer ventajas como la inocuidad y la sencillez. Como
consecuencia a esta cuestión, existen en la literatura
múltiples estudios que analizan caracteŕısticas median-
te el análisis de la señal acústica a través modelos de
inteligencia artificial con el fin de detectar e identificar
patoloǵıas. En este sentido, se pueden encontrar referen-
cias relacionadas con la detección de voces patológicas
[2, 3] o la identificación de enfermedades como el cáncer
de laringe [4], nódulos en laringe, edema de Reinke y
parálisis de la laringe [2, 5], COVID-19 [6] o esclerosis
lateral amiotrófica [7].
Uno de los factores limitantes en esta ĺınea de investi-
gación es la disponibilidad de las bases de datos y las
diferencias que hay entre ellas. En ocasiones, las tareas
vocales registradas o las frecuencias de muestreo son
diferentes en función de la base de datos y la catego-
rización de las patoloǵıas es muy dispar [8, 9]. Entre
las bases de datos más utilizadas se encuentran la base
de datos Massachusetts Eye and Ear Infirmary (MEEI)
[10, 8, 2, 3, 4], la base de datos Saarbruecken Voice
Database (SVD) [11, 8, 3, 12] y la base de datos Arabic
Voice Pathology Database Samples (AVPD)[13, 14, 5].
En cuanto a los modelos elegidos para la detección e
identificación de patoloǵıas por la voz, son numerosas
las técnicas de inteligencia artificial utilizadas para la
clasificación de enfermedades, se recurre tanto a mo-
delos de aprendizaje profundo [12, 3, 4], como a otras
técnicas de machine learning [7, 3, 2, 6].
Algo similar a la elección de los modelos ocurre con
respecto al análisis de la señal acústica, son diversos
los algoritmos y parámetros calculados en el dominio
temporal, frecuencial y cepstral que se pueden extraer
y, a d́ıa de hoy, no existe consenso con respecto a qué
carácteristicas son las más propicias para el objetivo
que se presenta. Entre los más utilizados en el domi-
nio temporal se encuentran parámetros de frecuencia
como la frecuencia fundamental y el jitter, parámetros
de intensidad como el shimmer y parámetros de ruido
como el Harmonic to Noise Ratio (HNR), Normaliced
Noise Energy (NNE) o Noise to Harmonic Ratio (NHR)
[7, 4]. Mientras que en el dominio cepstral, los coeficien-
tes basados en la percepción del habla Mel Frequency
Cepstral Coefficients (MFCC) son utilizados habitual-
mente [8, 12, 2].
Recientemente, han aparecido diversos estudios que han
hecho uso de openSMILE [3, 6, 9]. Concretamente, el
conjunto de caracteŕısticas ComParE [15] es capaz de
extraer un total de 6373 de modo automático. Son pocos
los estudios que hayan utilizado este conjunto para la
detección e identificación de patoloǵıas a través de la voz
pese a las ventajas que puede suponer hacer uso de esta
herramienta, que obtiene de una manera rápida y de
un modo estandarizado tantas caracteŕısticas. El único
estudio encontrado que hace uso de este sistema para
detección de voces patológicas, construye un conjunto
de caracteŕısticas con las tareas vocales /a/,/i/ y /u/
en diferentes todos y utiliza el modelo de aprendizaje
supervisado Support Vector Machine (SVM)[16].
En este trabajo, el objetivo será detectar voces patólogi-
cas mediante la combinación de un método de extracción
de caracteŕısticas y un método de inteligencia artificial
que no se ha utilizado antes para este propósito. Se uti-
lizará la base de datos SVD, prestando especial atención
en las limitaciones que se conocen acerca de ésta. La
extracción de caracteŕısticas será mediante el conjunto
de datos ComParE de openSMILE y el método de en-
semble Bagging.
2. Materiales y métodos
En el siguiente apartado se procederá a explicar la me-
todoloǵıa llevada a cabo para preparar el conjunto de
datos, extraer y pre-procesar las caracteŕısticas, entre-
nar y validar el modelo de clasificación. En la siguiente
figura se muestra un resumen de la metodoloǵıa:
XLI Congreso Anual de la Sociedad Española de Ingeniería Biomédica 22–24 Noviembre 2023
ISBN: 978-84-17853-76-1 524
Figura 1. Metodoloǵıa
2.1. Base de datos
Saarbruecken Voice Database es una base de datos abier-
ta, distribúıda por el Instituto de Fonética de la Univer-
sidad del Sarre, que posee en torno a 2000 sesiones donde
se recopilaron grabaciones de las tareas vocales de los
fonemas /a/, /i/ y /u/ producidas en tono normal, alto,
bajo y con tono ascendente. Además, posee grabaciones
de una frase en alemán y de la señal electroglotográfica
(EGG). No obstante, y pese a la gran cantidad de re-
gistros que contiene, no todas las sesiones tienen todas
las diferentes grabaciones recopiladas, contiene sujetos
repetidos y existen individuos categorizados como sanos
y patológicos al mismo tiempo[9]. Este factor no siem-
pre es tenido en cuenta en los estudios que utilizan esta
base de datos.
2.2. Preparación del conjunto de datos
Se utilizará la grabación de la tarea vocal /a/ en tono
neutral de SVD cuya duración oscila de 1 a 3 segundos
dependiendo del sujeto. Esta elección está basada en
que es la única tarea que se recoge en las tres bases de
datos más utilizadas en el estado del arte, y permitirá
hacer comparativas mas precisas con trabajos anterio-
res. Estos registos poseen una frecuencia de muestreo
de 50 KHz y una resolución de 16 bits.
Se parte con el número de 2041 grabaciones de este tipo
(886 hombres y 1155 mujeres). Sin embargo, como se ha
dicho en los apartados anteriores, puede ocurrir que los
sujetos estén repetidos, y de estos sujetos repetidos, hay
algunos categorizados al mismo tiempo como sanos y en-
fermos. Ante esta dificultad, se decide suprimir aquellos
individuos con doble categorización, aśı como, eliminar
los individuos repetidos. Además, en ocasiones los re-
gistros no disponen de la calidad suficiente y al realizar
el análisis acústico se generan valores no numéricos que
invalidan el conjunto de datos, estos registros también
son suprimidos.
2.3. Pre-procesamiento y extracción de carac-
teŕısticas
Para no obtener resultados dependientes de la duración
se considerará sólo el primer segundo de cada grabación.
Para la extracción de caracteŕısticas se utilizará la he-
rramienta open-source openSMILE, más concretamen-
te, el conjunto de caracteŕısticas denominado ComParE.
Esta herramienta extrae automáticamente 6373 carac-
teŕısticas. Su mecanismo se basa en extraer múltiples
caracteŕısticas de la señal acústica, lo que sus autores
llaman descriptores de bajo nivel. A las cuales aplican
descriptores funcionales, es decir, cálculos estad́ısticos
como la media, la desviación estándar, cuartiles, etc.
Para la correcta validación de sistema se utilizará un
método de validación cruzada de cinco capas. En este
método, los datos se dividiránen cinco partes. Cada
parte tendrá un conjunto de entrenamiento y uno de
validación diferente que no se solapan de una iteración
a otra. Habrá cinco iteraciones de entrenamiento in-
dependientes y el análisis del rendimento se realizará
con los datos de validación. La media de los datos de
rendimiento de las cinco iteraciones corresponderán a
los datos finales.
En la Figura 2, observamos el conjunto de datos resul-
tante tras la preparación del conjunto de datos:
Figura 2. Distribución del conjunto de datos final
Conjunto de datos Sanos Patológicos Total
Hombres 255 450 705
Mujeres 405 546 951
Total 660 996 1656
Tabla 1. Distribución del conjunto de datos final
2.4. Clasificación binaria
En un problema de clasificación, el objetivo del modelo
es determinar a qué clase pertenece la entrada. Cuando
se tienen dos clases objetivo se denomina, clasificación
binaria. Para el problema de clasificación binaria pro-
puesto en este estudio, discriminar entre sujetos sanos
y patológicos, se utilizará un modelo de aprendizaje su-
pervisado. Un modelo supervisado es aquel que resuelve
XLI Congreso Anual de la Sociedad Española de Ingeniería Biomédica 22–24 Noviembre 2023
ISBN: 978-84-17853-76-1 525
una tarea como la clasificación estableciendo una rela-
ción entre la entrada y la salida del modelo.
El método de aprendizaje supervisado utilizado en es-
te estudio es el clasificador Bagging, este clasificador
pertenece a los métodos ensemble o combinados. Estos
métodos se basan en la combinación lineal de modelos
que hacen una predicción simple, éstas se combinan pa-
ra resolver un problema más complejo. En función de la
combinación de los modelos simples que componen un
método de ensemble podemos distiguir:
Votación por mayoŕıa: en éste método cada mode-
lo simple posee un voto y la predicción se realiza
por mayoŕıa de votos.
Bagging: cada modelo simple se entrena con un
subconjunto del conjunto de entrenamiento, luego
sus predicciones se agrupan por promedio o vota-
ción.
Boosting: los modelos simples estan colocados de
modo secuencial de modo que un modelo intenta
corregir el error de sus predecesor.
Como se ha dicho, en el caso del clasificador Bagging,
éste entrena sus modelos simples con subconjuntos del
conjunto de entrenamiento. Existen diferentes modos de
elegir dichos subconjuntos, en este caso se hace aleato-
ramiente a partir del conjunto de entrenamiento extra-
yendo las muestras con repetición [17].
2.5. Análisis estad́ıstico
Para el evaluar la efectividad del modelo, se recurrirá a
la matriz de confusión y los cálculos derivados de esta.
Como se puede observar en la siguiente figura, en la dia-
gonal principal de la matriz se encontrarán los sujetos
patológicos, tanto aquellos que han sido predichos co-
rrectamente (verdaderos positivos), como aquellos que
no lo han sido (verdaderos negativos).
Figura 3. Matriz de confusión
Las métricas que se calcularán a partir de la matriz de
confusión serán las siguientes:
Validez (V): en inglés accuracy, representa la tasa
de aciertos con respecto el total. Es una métrica
que no se utiliza cuando la sensibilidad y la preci-
sión no tienen la misma importancia en el proble-
ma planteado.
V =
(V P + V N)
(V P + FN + FP + V N)
Sensibilidad (S): en inglés recall, proporción de ca-
sos positivos acertados.
S =
V P
(V P + FN)
Especificidad (E): en inglés specificity, proporción
de casos negativos acertados.
E =
V N
(FP + V N)
Valor predictivo positivo (VPP): en inglés precis-
sion, hace alusión a los casos positivos correcta-
mente clasificados entre los que el modelo predice
como positivos.
V PP =
V P
(V P + FP )
F1: es un valor que permite evaluar la precisión y
la sensibilidad al mismo tiempo.
F1 = 2 ∗ S ∗ V PP
(S + V PP )
3. Resultados y discusión
En la siguiente figura, se encuentra la matriz de con-
fusión obtenida tras el entrenamiento y validación del
conjunto de datos por validación cruzada:
Figura 4. Matriz de confusión resultante en el
experimento
En la siguiente tabla se presentan las métricas obtenidas
a partir de la matriz de confusión:
V S E VPP F1
80% 83% 75% 84% 84%
Tabla 2. Análisis estad́ıstico resultante
Como se puede observar la validez del clasificador Bag-
ging que se ha utilizado en este experimento 80%, es
parecida a la obtenida en [16], donde se obtiene un 82%
de validez. Sin embargo, haŕıa falta más información
para poder realizar una comparación válida, puesto que
los valores de sensibilidad, especificidad y valor predic-
tivo positivo no están especificados en éste. Además, el
conjunto de datos entre estudios no es comparable, en
este estudio se está utilizando una sóla tarea vocal en
tono neutral, mientras que en [16] se utilizan las tareas
vocales /a/, /i/ y /u/ en diferentes tonos.
4. Conclusiones
XLI Congreso Anual de la Sociedad Española de Ingeniería Biomédica 22–24 Noviembre 2023
ISBN: 978-84-17853-76-1 526
En este trabajo se ha realizado la evaluación del método
de ensemble Bagging para detectar individuos patológi-
cos frente a individuos sanos utilizando el el conjunto de
extracción de caracteŕısticas automático ComParE. Los
resultados de sensibilidad y especificidad son de, 83%
y 75%, respectivamente. Se obtiene un valor de validez
de 80%, valor similar al obtenido en otros estudios. Pa-
ra crear el conjunto de datos se han tenido en cuenta
las limitaciones de la base de datos Saarbruecken Voice
Database y se ha utilizado la tarea vocal /a/ en tono
neutral para facilitar la comparativa entre experimentos.
En próximos trabajos, se deberá utilizar otras tareas vo-
cales para ver si existe variabilidad en el rendimiento en
función de la tarea y aplicar métodos de selección de
caracteŕısticas u otros mecanismos para permitir la ex-
plicabilidad de los resultados obtenidos que permitiŕıa
evaluar qué factores de la voz son los más importan-
tes en voces patológicas, importante para la aplicación
cĺınica final de estos modelos. Aśı mismo, se realizarán
trabajos de identificación de patoloǵıas espećıficas.
Referencias
[1] Cobeta I, Nunez F, Fernandez S. Patoloǵıa de la voz.
2013.
[2] Ziqi F, Wu Y, Zhou C, Zhang X, Tao Z. Class-
Imbalanced Voice Pathology Detection and Classifica-
tion Using Fuzzy Cluster Oversampling Method. Ap-
plied Sciences, 11(8), 2021.
[3] Wu Y, Zhou CF, Ziqi F, Di W, Zhang X,Tao Z. In-
vestigation and Evaluation of Glottal Flow Waveform
for Voice Pathology Detection. IEEE Access, 9:30–44,
2021.
[4] Kim H, Jeon J, Han YJ, Joo Y, Lee J, Lee S, Im S. Con-
volutional neural network classifies pathological voice
change in laryngeal cancer with high accuracy. Journal
of Clinical Medicine, 9(11):1–15, 2020.
[5] Muhammad G, Alsulaiman M, Ali Z, Mesallam TA, Fa-
rahat M, Malki KH, Al-nasheri A, Bencherif MA. Voice
pathology detection using interlaced derivative pattern
on glottal source excitation. Biomedical Signal Proces-
sing and Control, 31:156–164, 2017.
[6] Pellet P, Phillip E, Mitra S, Holland, TC. Machine
Learning-based Voice Assessment for the Detection of
Positive and Recovered COVID-19 Patients. Handbook
of Clinical Neurology, 123(January):45–66, 2020.
[7] Tena A, Claria F, Solsona F, Meister E, Povedano
M. Detection of bulbar involvement in patients with
amyotrophic lateral sclerosis by machine learning voi-
ce analysis: diagnostic decision support development
study. JMIR Medical Informatics, 9(3), mar 2021.
[8] Smekal Z Harar P, Galaz Z, Alonso-Hernandez JB,
Mekyska J, Burget R. Towards robust voice patho-
logy detection: Investigation of supervised deep lear-
ning, gradient boosting, and anomaly detection approa-
ches across four databases. Neural Computing and Ap-
plications, 32(20):15747–15757, oct 2020.
[9] Huckvale M, Buciuleac C. Automated detection of voi-
ce disorder in the Saarbrücken voice database: Effects
of pathology subset and audio materials. In Procee-
dings of the Annual Conference of the International
Speech Communication Association,volume 6, pages
4850–4854. International Speech Communication Asso-
ciation (ISCA), aug 2021.
[10] Massachusetts Eye and Ear Infirmary Voice Disorders
Database, 1994.
[11] Barry WJ, Putzer M. Saarbruecken Voice Database,
2008.
[12] Zakariah M, Mohammed R, Alotaibi B, Ajmi-Guo Y,
Tran-Trung Y and Elahi K, Mohammad M. An Analy-
tical Study of Speech Pathology Detection Based on
MFCC and Deep Neural Networks. Computational and
Mathematical Methods in Medicine, 2022.
[13] Página web de Linguistic Data Consortium - King
Saud University Arabic Speech Database. Accessed on
03.07.2023.
[14] Al-nasheri A, Muhammad G, Alsulaiman M, Ali Z, Me-
sallam TA, Farahat M, Malki KH, Bencherif MA. An
Investigation of Multidimensional Voice Program Para-
meters in Three Different Databases for Voice Pathology
Detection and Classification. Journal of Voice, 31(1),
2017.
[15] Eyben F. Real-time speech and music classification by
large audio feature space extraction. Number 1975. 2014.
[16] Barche P, Gurugubelli K, Kumar-Vuppala A. Towards
automatic assessment of voice disorders: A clinical ap-
proach. In Proceedings of the Annual Conference of the
International Speech Communication Association, 2020.
[17] Pagina web documentación Scikit-learn 1.3.0 - Ensem-
ble Methods. Accessed on 03.07.2023.
XLI Congreso Anual de la Sociedad Española de Ingeniería Biomédica 22–24 Noviembre 2023
ISBN: 978-84-17853-76-1 527
	PORTADA
	DATOS DE LA PUBLICACIÓN
	ORGANIZADORES
	COLABORADORES
	PATROCINADORES
	AVALADO POR
	ÍNDICE
	BIENVENIDA
	COMITÉS
	COMITÉ DE HONOR
	COMITÉ ORGANIZADOR
	COMITÉ CIENTÍFICO
	PROGRAMA
	MIÉRCOLES 22 DE NOVIEMBRE
	JUEVES 23 DE NOVIEMBRE
	VIERNES 24 DE NOVIEMBRE
	CONFERENCIA PLENARIA INAUGURAL
	CONFERENCIA PLENARIA DE CLAUSURA
	MESA REDONDA I
	MESA REDONDA II
	PREMIOS
	Premio José María Ferrero Corral
	Premios SEIB - FENIN
	ACTOS
	ÍNDICE DE SESIONES CIENTÍFICAS
	Miércoles 22 de noviembre de 2023
	Señales Biomédicas (I)
	Imágenes Médicas (I)
	Biomecánica / Ingeniería de Rehabilitación
	Telemedicina y e-Salud
	Bioinstrumentación
	Modelado y Simulación
	Nanomedicina
	Realidad Virtual
	Premios SEIB-FENIN
	Póster I
	Jueves 23 de noviembre de 2023
	Señales Biomédicas (II)
	Imágenes Médicas (II)
	Neurotecnologías (I)
	Impresión 3D
	Premios José María Ferrero Corral
	Póster II
	Viernes 24 de noviembre de 2023
	Señales Biomédicas (III)
	Biomateriales
	Neurotecnologías (II)
	Póster III
	SESIONES CIENTÍFICAS
	Señales Biomedicas I
	Los cambios en la morfología del pico al fin de la onda T, cuantificados mediante "time-warping", están asociados con la aparición de fibrilación ventricular en un modelo porcino de isquemia aguda
	Dispersión espacial de los tiempos de activación y repolarización asociada a diferentes modos de estimulación cardiaca
	Detección automática de residuos de la actividad ventricular presentes en las ondas fibrilatorias extraídas de registros electrocardiográficos de fibrilación auricular
	ECG-ENET: Red neuronal convolucional explicable para la ayuda en el diagnóstico de la apnea del sueño infantil
	Análisis de la variabilidad de la frecuencia cardíaca en maratonianos
	Valoración de la actividad muscular asociada al uso de herramientas laparoscópicas mediante EMG. Nueva propuesta de análisis bivariado amplitud-frecuencia
	Imágenes Médicas I
	Automatic calculation of pelvis morphology from CT images
	Deep Learning methodologies for direct image reconstruction and integrated attenuation correction in brain PET/MRI
	Análisis cuantitativo del corazón en imágenes 4DCT en pacientes con taquicardia ventricular recurrente o refractaria
	Deep Learning-Based Generation of Synthetic CT from MR Images for Craniosynostosis Planning
	DeepCeres: red neuronal artificial para la segmentación de lóbulos del cerebelo a partir de imágenes multimodales de RM de alta resolución
	DeepThalamus: Red neuronal para la segmentación de núcleos talámicos a partir de imágenes de RM de alta resolución
	Biomecánica / Ingeniería de Rehabilitación
	Análisis del riesgo de rotura de aorta aneurismática con comportamiento anisotrópico
	Clasificación de movimientos del tren superior con visión artificial y aprendizaje profundo en adulto sano y paciente pediátrico con parálisis cerebral
	Desarrollo de nuevos efectores finales para robots asistivos en la rehabilitación de miembro superior
	Diseño de un sistema integral de atención domiciliaria con robot móvil asistencial
	Digitalización del test de Tinetti mediante técnicas de Visión Artificial.
	Telemedicina / e-Salud
	Diseño e implementación de una aplicación basada en procesos para la gestión de consentimientos de pacientes
	EMMA: una nueva plataforma para la monitorización y acompañamiento de personas con endometriosis
	Arquitectura de Microservicios para Ensayos Clínicos en Pérdida de Peso con Plataformas mHealth
	Herramienta de salud digital IMIDoc para la monitorización de pacientes con enfermedades inflamatorias inmunomediadas
	Interoperabilidad de Bluetooth Low Energy con ISO/IEEE X73-PHD: estudio de propuestas basadas en encapsulación de datos
	Bioinstrumentación
	Piezoelectric paint-based force sensor for hand rehabilitation
	Optimización de un sistema de seguimiento y monitorización de órganos trasplantados durante la fase de transporte
	Development of a stand-alone device to simultaneously record cardiotocography biosignals in an open format for testing methods of assessing fetal heart rate variability
	Prototipo de un sistema integral de nariz-lengua-ojo electrónicos para la detección de enfermedades en muestras de orina
	Modelado y Simulación
	Rol de la dirección de fibras y heterogeneidades iónicas en la simulación de arritmias auriculares
	Metodología para la obtención de modelos 3D de cavidades nasales con parámetros funcionales especificados
	Modelado computacional de la ablación de tejidos biológicos por electroporación irreversible utilizando campo eléctrico pulsado de alta intensidad
	Computer modeling of radiofrequency thermocoagulation (RF-TC) using the recording intracerebral electrodes implanted for stereo electroencephalography (SEEG) monitoring
	Validación de un algoritmo para el cálculo automático de la distancia inter lesión en la ablación por catéter de radiofrecuencia de Fibrilación Auricular
	Perturbación eléctrica y térmica provocada por sensores de temperatura en estudios preclínicos de ablación cardiaca por radiofrecuencia
	Nanomedicina
	Laser re-irradiation of palladium nanoparticles for antibacterial applications
	Improving the efficacy of magnetic nanoparticle-mediated hyperthermia using trapezoidal pulsed electromagnetic fields as an in vitro anticancer treatment in uveal melanoma and glioblastoma multiforme cell lines
	Effectiveness of gold nanorods of different sizes in photothermal therapy to eliminate melanoma and glioblastoma cells
	Realidad Virtual
	HC3DU: Un nuevo plugin para ofrecer retroalimentación háptica en simulaciones de Realidad Virtual
	Diseño e implementación de un planificador quirúrgico para cirugía colorrectal junto con un visualizador basado en realidad mixta
	Valoración de la Experiencia del Usuario en Entornos Virtuales de Rehabilitación de Miembros Superiores
	M3Display: Sistema de realidad aumentada para la rehabilitación de la función motora del miembro superior
	OTOVIRT: Cirugía virtual para el entrenamiento por simulación y el ensayo preoperatorio en cirugía otológica
	Automatización para la evaluación ergonómica integrando las tecnologías de realidad virtual, captura de movimiento, electromiografía de superficie y uso de exoesqueleto
	Premios SEIB-FENIN
	Segmentación de patrones de marcha en pacientes con parálisis cerebral mediante aprendizaje profundo y visión artificial
	Preliminary screening of polycaprolactone-polystyrene electrospun scaffolds for the formation of tumoroids
	Modelos basados en redes neuronales artificiales para la generación y predicción de series temporales de glucosa
	Computer-aided detection system for pulmonary embolism with integrated cardiac assessment based on embolic burdenStudy of fibroblasts activation kinetics and identification of fibroblasts subpopulations in physiological and pathological conditions
	Development of an electric stimulation system to analyze muscle damage in 3D Duchenne muscular dystrophy muscle culture
	Chamber design of a portable breathalyzer for disease diagnosis
	Análisis de electroencefalografía de amplitud integrada en neonatos: Evaluación del rendimiento de aCUP-E frente a los electrodos de gel líquido
	Analyses of H2O2 production in time during wound healing
	Nuevos modelos multicelulares para la predicción de la hepatotoxicidad idiosincrática
	Estudio numérico para consolidación mediante fijación de fracturas verticales en cuello de fémur
	Aplicación de Realidad Aumentada enfocada a la Salud Bucodental en edades tempranas
	Optimización de Servicios de Urgencias mediante Modelos de Inteligencia Artificial: Revisión Sistemática de la Predicción de Ingresos Hospitalarios desde Urgencias
	Póster I
	Clasificación Supervisada de Pacientes con Síndrome de Brugada con Biomarcadores Derivados del ECG
	Autómata celular para simulación de fibrilación auricular: acercando el tiempo de cómputo a la práctica clínica
	Importancia del Pre-entrenamiento en el Desarrollo de una Red Neuronal Convolucional Ligera para la Evaluación de la Calidad del ECG
	Algoritmo de Sincronización del Electrocardiograma Para Análisis Retrospectivos Basados en Vectocardiograma
	Clasificación EEG del estrés mental inducido por un Serious Game mediante Deep Learning
	Diagramas de Recurrencia General para la Detección Automática de Apnea Obstructiva del Sueño
	Análisis integral de la vorticidad en la región anterior de las vías aéreas nasales
	Análisis computacional del flujo espiratorio nasal: Investigación de las diferencias geográficas y de sexo en la resistencia y la asimetría
	Aplicación de técnicas de Inteligencia Artificial a datos de Diabetes de un repositorio OMOP Common Data Model
	Control por bloques Adaptativo por Modelo de referencia In Silico para pacientes con Diabetes Tipo 1
	Colimacion Automatica para Sistemas de Radiologia mediante Aprendizaje Profundo
	Hacia una protonterapia adaptativa: Evaluando el potencial de la nnUNet para la segmentación de órganos en riesgo
	Enhancing MRI Reconstruction Efficiency Through Multi-GPU Parallelization
	Modelo de predicción de la respuesta al tratamiento de quimio-radioterapia en pacientes con cáncer de pulmón de células no pequeñas localmente avanzado irresecable mediante la aplicación de radiómica en imágenes de TC
	Estimación de la proporción de hidrops endolinfático en pacientes con la enfermedad de Ménière
	Estudio comparativo de algoritmos de segmentación de imágenes médicas para la generación de modelos para la planificación quirúrgica
	Desarrollo de nuevos biomarcadores de imagen para la detección de cáncer de mama
	Synchronization in Retrospective Respiratory Gating using Deep Learning
	Propuesta de modelo basado en redes neuronales para la clasificación de regiones del esqueleto a partir de imágenes TC
	Herramienta para la evaluación de los márgenes de resección en cirugía conservadora de cáncer de mama
	Beyond DTI: Insights in Heart Infarcted Tissue
	Uso de cuestionarios digitales en el aula y realización de seminarios en la unidad de cuidados intensivos como innovaciones docentes en Ingeniería Biomédica
	Predictores de adherencia a una app de salud en el proyecto europeo PHARAON
	Aplicación para la gestión personalizada de pacientes con diabetes
	Diferenciación por métodos estadísticos convencionales y machine learning entre tejido pulmonar sano y patológico de medidas de impedancia eléctrica
	Señales Biomedicas II
	New Approach for the Assessment of Sarcopenia Using Core Shape Modelling
	Comparación de métodos manuales para el estudio del jitter neurofisiológico
	Análisis del proceso de llenado de la señal sEMG a medida que aumenta gradualmente la fuerza en el cuádriceps
	Coeficiente de coactivación muscular como indicador del control motor: caso de estudio para flexo-extensión de codo en adultos
	Monitorización de la depresión mediante el análisis de la circadianidad del ritmo cardíaco proporcionado por un dispositivo wearable
	Aplicación de inteligencia artificial para la predicción del estrés en cirugía robótica mínimamente invasiva
	Imágenes_Médicas II
	Predicción automática del diagnóstico del sarcoma de Ewing en una serie extensa de tumores de células redondas incluidas en micromatrices de tejidos
	Evaluation of machine learning algorithms and relevant biomarkers for the diagnosis of multiple sclerosis based on optical coherence tomography.
	Enhancing Ulcerative Colitis Histological Image Segmentation with an Active Learning Framework
	Discriminación Histológica mediante Espectroscopia Óptica de Onda Parcial de Muestras Tisulares de Cerebro
	Estudio comparativo entre los modelos geométricos de córneas 3D paciente-específico generados a partir de los topógrafos Sirius y MS-39
	Aprendizaje auto-supervisado para mejorar el diagnóstico del síndrome de Sjögren con ultrasonografía
	Neurotecnologías I
	Metodología de análisis de la actividad cerebral en pacientes con ictus en fase de rehabilitación
	Análisis de señales EEG en movimientos de flexión plantar y dorsal mediante el empleo de un exoesqueleto de bajo coste para la caracterización de la acción motora
	Aplicación de modelo de Deep Learning IFNet en decodificación de imaginación motora del pedaleo para señales EEG
	Evaluación de una interfaz cerebro-ordenador basada en potenciales relacionados con eventos para la detección de estímulos visuales en una tarea de vigilancia
	Propuesta de BCI basado en RSVP con número reducido de estímulos usando el modo de escritura T9
	Evaluación del Impacto del Aprendizaje Auto-Supervisado en la Precisión de Interfaces Cerebro-Ordenador basadas en Imaginación Motora
	Impresión_3D
	Metodología de planificación, diseño y fabricación de modelos anatómicos y guías quirúrgicas a medida mediante impresión 3D en caso de hemipelvectomía por osteosarcoma
	3D printed implant structure for breast reconstruction and systematic drug delivery for preventing the reoccurrence of cancer
	Simulador de broncoscopias mediante fabricación aditiva para la exploración médica personalizada
	Obtención de modelos 3D de nuevos prototipos de hisopos nasofaríngeos mediante la tecnología de impresión 3D en materiales biocompatibles
	Adaptacion de pieza para tubos de respirador - tubuladora segura para la ventilación no invasiva
	Asiento o lecho de posición infantil personalizado mediante técnicas de escaneado 3D y fabricación aditiva
	Premio José María Ferrero Corral
	Very low elastic modulus Ti alloys obtained by Laser Directed Energy Deposition to avoid bone resorption in bone implants
	Comparación in-silico de la eficacia de los fármacos flecainida y vernakalant en fibrilación auricular paroxística
	Análisis wavelet de la señal de oximetría cerebral para el cálculo de la frecuencia de las compresiones del masaje de resucitación cardiopulmonar
	Development of a neuroblastoma-on-a-chip bioengineered platform enabling the translational study of emerging nanotherapies
	Augmented reality simulator for laparoscopic surgery on a realistic phantom
	Póster II
	Análisis del Volumen de Ablación en Diagnóstico Médico mediante Espectroscopía de Plasma Inducido
	Calibración de simulaciones de fibrilación auricular para reproducir biomarcadores clínicos
	Cinemática del movimiento del miembro superior durante una tarea funcional realizada en entorno virtual y entorno físico real en población sana y con lesión medular cervical
	Data augmentation study for rare diseases assessment with Deep Learning: Confocal Imaging analysis of Congenital Muscular Dystrophy
	Evaluating Techniques for Neuron Identification in Complex Cultures: A Deep Learning Approach
	Un enfoque explicativo para el diagnóstico de la degeneración macular asociada a la edad mediante técnicas de deep learning
	Aplicación de MobileNet para el diagnóstico temprano del glaucoma: Un enfoque binocularEnsamblaje de redes neuronales para el establecimiento de una prioridad en la atención del paciente con lesión en la piel
	Comparación de múltiples redes neuronales convolucionales para el diagnóstico automático de la degeneración macular asociada a la edad usando retinografías
	Métodos de ayuda al diagnóstico de glaucoma basado en diferencias de características extraídas de ambos ojos en tomografías de coherencia óptica
	Monitorización sin contacto en tiempo real: estudio piloto mediante vehículo aéreo no tripulado
	Análisis del Color, Textura y Temperatura para el Diagnóstico y Clasificación de Hemangiomas Infantiles
	Concordancia entre especialistas. ¿Cómo podemos saber si tenemos una GT representativa para entrenar una red neuronal? Un estudio centrado en el Carcinoma Basocelular (BCC)
	Influencia de los sistemas Brain-Computer Interface basados en Neurofeedback en las características de la red cerebral
	Validación de un protocolo de adquisición de señales electroespinográficas en posición decúbito prono
	Conceptual design of a functional electrical stimulation cycling platform as a rehabilitation therapy for spinal cord injury or stroke
	An inexpensive arbitrary waveform neurostimulator for the selective activation of neurons in retinal prosthesis
	Análisis del estrés durante procedimientos quirúrgicos mediante laparoscopia convencional y robótica
	Diseño e implementación de un modelo basado en inteligencia artificial para estimar el consumo máximo de oxígeno en adultos de mediana edad
	Clasificación de patologías mediante análisis acústico de la voz
	Deformación de la presión de las vías respiratorias durante la ventilación mecánica invasiva detectada mediante técnicas de aprendizaje automático supervisado
	Caracterización de las interacciones complejas en pacientes que pasan con éxito la prueba SBT
	Aplicación de técnicas de Inteligencia Artificial Explicable para la identificación de factores relacionados con la calidad de sueño en adultos sanos
	Calibración automática para el pegado de camas en TAC
	Señales Biomedicas III
	Caracterización del Acoplo Cardiopulmonar en Pacientes Pediátricos con Apnea Obstructiva del Sueño
	Detección automática de la apnea del sueño infantil utilizando técnicas de deep learning y explainable artificial intelligence en señales de flujo aéreo
	Interpretabilidad de Redes Convolucionales para el Análisis de Episodios de Tos en Enfermedades Respiratorias
	Uso de la actividad electrodermal (EDA) para la clasificación de situaciones de estrés en cirugía robótica de mínima invasión
	Biomateriales
	Axonal guidance using biofunctionalized silk fibroin fibers manufactured using the SFS technique
	Microfluidic Model of the Alternative Vasculature in Neuroblastoma
	A microphysiological setup to mimic, test and analyze myocardial tissue for cardiovascular diseases
	Lab-on-a-Chip Analysis Using Benchtop NMR Technology
	Versatility of Activated Vapor Silanization (AVS) functionalization for biomedical applications
	Hydrogels with tunable characteristics to simulate the neuronal environment
	Neurotecnologías II
	Evaluación del paradigma de adquisición de la actividad electroencefalográfica en estado de reposo
	Modelo basado en redes neuronales convolucionales y altamente conexas para la ayuda al diagnóstico de pacientes en coma tras paro cardíaco
	Análisis de las alteraciones en la estructura neurofisiológica en la migraña
	Análisis múltiplex de la red funcional cerebral en sujetos con hiperintensidades de la sustancia blanca
	Implementing Emotion Detection from Speech for Psychological Assessment of Elderly People: A Comparative Study of Python-based Approaches and Existing Solutions
	Póster III
	Estimadores del retardo entre las series de QT y RR en registros ECG de prueba de esfuerzo: evaluación en simulación
	Aplicación multiplataforma para gestión farmacológica del servicio de Neonatología (SAFINeo)
	Modelado, diseño y fabricación de un sistema inyector de aerosoles basado en modelos anatómicos
	A case study: Improving face detection in Cartagena Vessel Traffic Service Operators to detect fatigue onset using thermographic images through the YOLO5Face model
	GB3 as a Novel Therapeutic Target in Neuroblastoma's Alternative Vasculature through Stiffness Modeling
	Potential role of Calcineurin isoform A-β1 in neurovascular niche stem cell dynamics as a therapeutic target
	A microphysiological model designed for the research of angiogenic sprouting in an extracellular matrix
	Producción de membranas de Bruch artificiales de fibroína de seda mediante Dynamic Dope Destabilization Spinning para la creación un Epitelio Pigmentario de la Retina funcional
	Analysis of Peroxiporin-Mediated H2O2 Fluxes in HeLa Cellular Membrane: A Therapeutic Potential in Redox signaling disorders
	Predicción de complicaciones postoperatorias a partir de la actividad neuronal de pacientes pediátricos sometidos a anestesia mediante modelos de Machine Learning
	The importance of integral time length windows for the classification of activities of daily living based on Machine Learning techniques
	Impact of integrated signals for doing HAR using Deep Learning models
	Detector automático de artefactos en señales neuronales basado en técnicas de Inteligencia Artificial
	Measuring cognitive load in a simulation game
	Protocolo para el entrenamiento cognitivo de la memoria semántica mediante tDCS
	Self-Supervised Audio Spectrogram Transformer para el Reconocimiento de Emociones en Señales de Voz: Un Enfoque de Entrenamiento Semi-Supervisado
	Mejorando el Analisis de Emociones en texto mediante Llama 2
	Aplicación de Realidad Virtual para Simulación de Recorridos de Evacuación de espacios sanitarios
	Realidad virtual aplicada a la ingeniería del factor humano. Caso de estudio "Manipulación de paciente en enfermería"
	Holograma Piramidal 360 aplicado a la ingeniería del factor humano. Caso de Estudio Ergonómico "manipulación de paciente en Enfermería"
	Aplicación de la Realidad Virtual para la capacitación en materia de comunicación en crisis sanitarias
	ÍNDICE DE AUTORES
	A
	B
	C
	D
	E
	F
	G
	H
	I
	J
	K
	L
	M
	N
	O
	P
	Q
	R
	S
	T
	U
	V
	W
	X
	Y
	Z