Consultar por Acceso

Agrupar por: Fecha | Título | Autores | Tipo de Documento | Sin Agrupar

Número de documentos: 7.

Artículo Materias > Ingeniería Universidad Europea del Atlántico > Investigación > Producción Científica
Universidad Internacional Iberoamericana México > Investigación > Producción Científica
Universidad Internacional do Cuanza > Investigación > Producción Científica
Universidad de La Romana > Investigación > Producción Científica Cerrado Inglés The correct analysis of medical images requires the medical knowledge and expertise of radiologists to understand, clarify, and explain complex patterns and diagnose diseases. After analyzing, radiologists write detailed and well-structured reports that contribute to the precise and timely diagnosis of patients. However, manually writing reports is often expensive and time-consuming, and it is difficult for radiologists to analyze medical images, particularly images with multiple views and perceptions. It is challenging to accurately diagnose diseases, and many methods are proposed to help radiologists, both traditional and deep learning-based. Automatic report generation is widely used to tackle this issue as it streamlines the process and lessens the burden of manual labeling of images. This paper introduces a systematic literature review with a focus on analyses and evaluating existing research on medical report generation. This SLR follows a proper protocol for the planning, reviewing, and reporting of the results. This review recognizes that the most commonly used deep learning models are encoder-decoder frameworks (45 articles), which provide an accuracy of around 92–95%. Transformers-based models (20 articles) are the second most established method and achieve an accuracy of around 91%. The remaining articles explored in this SLR are attention mechanisms (10), RNN-LSTM (10), Large language models (LLM-10), and graph-based methods (4) with promising results. However, these methods also face certain limitations such as overfitting, risk of bias, and high data dependency that impact their performance. The review not only highlights the strengths and challenges of these methods but also suggests ways to handle them in the future to increase the accuracy and timely generation of medical reports. The goal of this review is to direct radiologists toward methods that lessen their workload and provide precise medical diagnoses. metadata Rehman, Marwareed; Shafi, Imran; Ahmad, Jamil; Osorio García, Carlos Manuel; Pascual Barrera, Alina Eugenia y Ashraf, Imran mail SIN ESPECIFICAR, SIN ESPECIFICAR, SIN ESPECIFICAR, carlos.osorio@uneatlantico.es, alina.pascual@unini.edu.mx, SIN ESPECIFICAR (2024) Advancement in medical report generation: current practices, challenges, and future directions. Medical & Biological Engineering & Computing. ISSN 0140-0118

Otro Materias > Ciencias Sociales Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC Cerrado Inglés, Español A partir de los datos introducidos y de diferentes escenarios, la herramienta del simulador digital genera distintos retos a los estudiantes-emprendedores para poner a prueba y evaluar la parte financiera de una propuesta de emprendimiento y también ofrece recomendaciones en función de la aportación real de diferentes agentes financieros como bancos, inversores privados, business angels o plataformas de financiación colaborativa. metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2023) Digital Simulator for Entrepreneurial Finance (FINANCEn_LAB). Repositorio de la Universidad.

Otro Materias > Ingeniería Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC Cerrado Español Como resultado del proyecto “Nuevos mecanismos para conocer el riesgo de lesión en el deporte en diferentes tramos de la temporada deportiva” se ha generado una herramienta digital que permite llevar el control de las lesiones de cada deportista, así como sus constantes biomecánicas, hábitos de alimentación y estado de salud emocional de tal forma que, se cuenta con información que combina varios factores a un nivel de detalle importante y de modo personalizado para cada jugador. De este modo, se obtienen los inputs para generar el análisis estadístico que alerta sobre las probabilidades de sufrir determinada lesión. Objetivo del Proyecto: Desarrollar una herramienta que permita identificar el riesgo de lesión de un deportista, independientemente del nivel o categoría del mismo, y poder actuar en consecuencia de manera individualizada, según el período de la temporada en el que se encuentre. Financiación: Este proyecto ha sido cofinanciado por la Sociedad de Desarrollo Regional de Cantabria (SODERCAN) y el el Programa Operativo FEDER de Cantabria en el marco del programa denominado I+C= +C 2016 (Investigación + Conocimiento= +Cantabria) que tiene por objetivo el fortalecimiento del tejido industrial de la región. Inicio: 15/12/2016 Fin: 14/12/2018 Código Externo: ID16-IN-022 metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2016) Nuevos mecanismos para conocer el riesgo de lesión en el deporte en diferentes tramos de la temporada deportiva. R&P (Recovery and Performance). Repositorio de la Universidad. (Inédito)

Otro Materias > Ingeniería Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC Cerrado Español El proyecto se centra en el desarrollo de tecnologías para la identificación de riesgos en espacios acuáticos naturales. A partir del conocimiento que se pretende generar, la entidad espera comercializar servicios de soporte para la gestión de riesgos, la acción preventiva y comunicación de emergencias. La propuesta se orienta a crear un sistema experto en la gestión de riesgos en espacios acuáticos naturales (playas), basado por un lado en una aplicación para la evaluación de riesgos, y por otro, en un sistema de registro y análisis de sucesos y accidentes. Esta herramienta debe permitir a los responsables de la gestión de la seguridad en zonas de baño una gestión adecuada y eficaz de los recursos preventivos para minimizar la probabilidad y severidad de riesgos que puedan afectar a la integridad física o a la salud de las personas, y en consecuencia, el aumento de la seguridad acuática en las costas. Objetivo del Proyecto: Desarrollar tecnologías para la identificación de riesgos en espacios acuáticos naturales con el objeto de prevenir ahogamientos y otros incidentes en zonas de playa. Financiación: Este proyecto ha sido cofinanciado por la Sociedad de Desarrollo Regional de Cantabria (SODERCAN) y el el Programa Operativo FEDER de Cantabria en el marco del programa denominado I+C= +C 2016 (Investigación + Conocimiento= +Cantabria) que tiene por objetivo el fortalecimiento del tejido industrial de la región. Inicio: 09/12/2016 Fin: 08/12/2018 Código Externo: ID16-IN-038 metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2016) PREVENT-SOS: Desarrollo de tecnologías para la identificación de riesgos en espacios acuáticos naturales. Repositorio de la Universidad. (Inédito)

Artículo Materias > Biomedicina
Materias > Ingeniería Universidad Europea del Atlántico > Investigación > Producción Científica
Universidad Internacional Iberoamericana México > Investigación > Producción Científica
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Producción Científica
Universidad Internacional do Cuanza > Investigación > Producción Científica
Universidad de La Romana > Investigación > Producción Científica Cerrado Inglés Leukemia is a type of blood cell cancer that is in the bone marrow’s blood-forming cells. Two types of Leukemia are acute and chronic; acute enhances fast and chronic growth gradually which are further classified into lymphocytic and myeloid leukemias. This work evaluates a unique deep convolutional neural network (CNN) classifier that improves identification precision by carefully examining concatenated peptide patterns. The study uses leukemia protein expression for experiments supporting two different techniques including independence and applied cross-validation. In addition to CNN, multilayer perceptron (MLP), gated recurrent unit (GRU), and recurrent neural network (RNN) are applied. The experimental results show that the CNN model surpasses competitors with its outstanding predictability in independent and cross-validation testing applied on different features extracted from protein expressions such as amino acid composition (AAC) with a group of AAC (GAAC), tripeptide composition (TPC) with a group of TPC (GTPC), and dipeptide composition (DPC) for calculating its accuracies with their receiver operating characteristic (ROC) curve. In independence testing, a feature expression of AAC and a group of GAAC are applied using MLP and CNN modules, and ROC curves are achieved with overall 100% accuracy for the detection of protein patterns. In cross-validation testing, a feature expression on a group of AAC and GAAC patterns achieved 98.33% accuracy which is the highest for the CNN module. Furthermore, ROC curves show a 0.965% extraordinary result for the GRU module. The findings show that the CNN model is excellent at figuring out leukemia illnesses from protein expressions with higher accuracy. metadata Khawaja, Seher Ansar; Farooq, Muhammad Shoaib; Ishaq, Kashif; Alsubaie, Najah; Karamti, Hanen; Caro Montero, Elizabeth; Silva Alvarado, Eduardo René y Ashraf, Imran mail SIN ESPECIFICAR, SIN ESPECIFICAR, SIN ESPECIFICAR, SIN ESPECIFICAR, SIN ESPECIFICAR, elizabeth.caro@uneatlantico.es, eduardo.silva@funiber.org, SIN ESPECIFICAR (2024) Prediction of leukemia peptides using convolutional neural network and protein compositions. BMC Cancer, 24 (1). ISSN 1471-2407

Otro Materias > Ingeniería
Materias > Educación Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC Cerrado Español A pesar del gran incremento de la práctica deportiva en la sociedad occidental en los últimos años, aún hay, según fuentes de la UE, aproximadamente un 50% de la población europea que no hace ejercicio regularmente, lo que está generando un grave problema de salud, especialmente preocupante en la población infantil y juvenil. Del 50% de la población que hace deporte de forma regular, un porcentaje muy alto lo hace solo, en casa o en lugares abiertos públicos sin ninguna supervisión o control por parte de personal especializado, lo que conlleva un cierto riesgo de sufrir lesiones y/o patologías de diferente pronósticos. Ante esta situación compleja de tener la necesidad de promover la actividad física pero intentando aminorar el riesgo de la propia práctica, se propone el desarrollo de una aplicación móvil “freemium” que fomente el ejercicio y que integre una serie de tecnologías innovadoras para incorporar inteligencia artificial que aplicará sobre unos elementos de alerta que puedan generar avisos y geolocalizar al practicante de una forma rápida y eficaz. Entendemos que el desarrollo de este tipo de negocios de carácter tecnológico y de alto grado de responsabilidad social hacia la ciudadanía incrementará el tejido empresarial de Cantabria y generará nuevos puestos de trabajo estables y de alto nivel de formación. Las sinergias que se proponen con instituciones universitarias y de investigación fomentarán los ecosistemas profesionales relacionados con las nuevas tecnologías de la información, la salud y la seguridad. El objetivo de este sistema complejo que se propone es promover la actividad física segura de forma global. metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2016) SMART ACTIVE LIFE: Desarrollo de tecnologías inteligentes para la promoción de la vida activa y segura. Repositorio de la Universidad. (Inédito)

Otro Materias > Ingeniería Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC Cerrado Español El ahogamiento es una de las principales causas de muerte en el mundo, alrededor de 372.000 personas al año, siendo una cifra que se considera subestimada (OMS, 2014). En consecuencia, existe la necesidad de mejorar esta situación considerada de salud pública. El objetivo del proyecto SOSeas es el desarrollo de una herramienta de evaluación para predecir el riesgo dinámico de los ahogamientos en las playas. En los espacios acuáticos recreativos se espera que una herramienta informática pueda mejorar la gestión de la seguridad por parte de los socorristas y también la información de riesgo de ahogamiento para los bañistas. Este proyecto es una continuidad del trabajo realizado en PreventSOS. En aquel caso el foco era el desarrollo de un sistema experto para la identificación, análisis y gestión del riesgo en espacios acuáticos y el diseño de una aplicación web para el registro de incidentes y accidentes. SOSeas pretende mejorar el servicio anterior integrando el sistema de información que provee el Copernicus Marine Environment Monitoring Service (CMEMS) en todo el mundo. Se pretende conseguir suficientes datos para poder nutrir a un sistema basado en técnicas de aprendizaje-máquina. La herramienta SOSeas se desarrolla para dos tipos de usuarios : gestores de playas/socorristas y usuarios recreativos (nadadores, navegantes, surfistas...). Estos usuarios podrán acceder a las condiciones meteorológicas y oceanográficas así como a información a medida sobre las amenazas de estos entornos siempre cambiantes. metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2019) SOSeas: An assessment tool for predicting the dynamic risk of drowning on beaches. Repositorio de la Universidad. (Inédito)

Este listado fue generado el Wed Apr 2 23:43:48 2025 UTC.

open

Tensiomyography, functional movement screen and counter movement jump for the assessment of injury risk in sport: a systematic review of original studies of diagnostic tests

Background: Scientific research should be carried out to prevent sports injuries. For this purpose, new assessment technologies must be used to analyze and identify the risk factors for injury. The main objective of this systematic review was to compile, synthesize and integrate international research published in different scientific databases on Countermovement Jump (CMJ), Functional Movement Screen (FMS) and Tensiomyography (TMG) tests and technologies for the assessment of injury risk in sport. This way, this review determines the current state of the knowledge about this topic and allows a better understanding of the existing problems, making easier the development of future lines of research. Methodology: A structured search was carried out following the Preferred Reporting Items for Systematic Review and Meta-Analyses (PRISMA) guidelines and the PICOS model until November 30, 2024, in the MEDLINE/PubMed, Web of Science (WOS), ScienceDirect, Cochrane Library, SciELO, EMBASE, SPORTDiscus and Scopus databases. The risk of bias was assessed and the PEDro scale was used to analyze methodological quality. Results: A total of 510 articles were obtained in the initial search. After inclusion and exclusion criteria, the final sample was 40 articles. These studies maintained a high standard of quality. This revealed the effects of the CMJ, FMS and TMG methods for sports injury assessment, indicating the sample population, sport modality, assessment methods, type of research design, study variables, main findings and intervention effects. Conclusions: The CMJ vertical jump allows us to evaluate the power capacity of the lower extremities, both unilaterally and bilaterally, detect neuromuscular asymmetries and evaluate fatigue. Likewise, FMS could be used to assess an athlete's basic movement patterns, mobility and postural stability. Finally, TMG is a non-invasive method to assess the contractile properties of superficial muscles, monitor the effects of training, detect muscle asymmetries, symmetries, provide information on muscle tone and evaluate fatigue. Therefore, they should be considered as assessment tests and technologies to individualize training programs and identify injury risk factors.

Producción Científica

Álvaro Velarde-Sotres mail alvaro.velarde@uneatlantico.es, Antonio Bores-Cerezal mail antonio.bores@uneatlantico.es, Josep Alemany Iturriaga mail josep.alemany@uneatlantico.es, Julio Calleja-González mail ,

Velarde-Sotres

open

Harnessing AI forward and backward chaining with telemetry data for enhanced diagnostics and prognostics of smart devices

In the rapidly evolving landscape of artificial intelligence (AI) and the Internet of Things (IoT), the significance of device diagnostics and prognostics is paramount for guaranteeing the dependable operation and upkeep of intricate systems. The capacity to precisely diagnose and preemptively predict potential failures holds the potential to considerably amplify maintenance efficiency, diminish downtime, and optimize resource allocation. The wealth of information offered by telemetry data gathered from IoT devices presents an opportunity for diagnostics and prognostics applications. However, extracting valuable insights and making well-timed decisions from this extensive data reservoir remains a formidable challenge. This study proposes a novel AI-driven framework that integrates forward chaining and backward chaining algorithms to analyze telemetry data from IoT devices. The proposed methodology utilizes rule-based inference to detect real-time anomalies and predict potential future failures, providing a dual-layered approach for diagnostics and prognostics. The results show that the diagnostics engine using forward chaining detects real-time issues like “High Temperature” and “Low Pressure,” while the prognostics engine with backward chaining predicts potential future occurrences of these issues, enabling proactive prevention measures. The experimental results demonstrate that adopting this approach could offer valuable assistance to authorities and stakeholders. Accurate early diagnosis and prediction of potential failures have the capability to greatly improve maintenance efficiency, minimize downtime, and optimize cost.

Producción Científica

Muhammad Shoaib Farooq mail , Rizwan Pervez Mir mail , Atif Alvi mail , Kilian Tutusaus mail kilian.tutusaus@uneatlantico.es, Eduardo García Villena mail eduardo.garcia@uneatlantico.es, Fadwa Alrowais mail , Hanen Karamti mail , Imran Ashraf mail ,

Farooq

open

Efficient CNN architecture with image sensing and algorithmic channeling for dataset harmonization

The process of image formulation uses semantic analysis to extract influential vectors from image components. The proposed approach integrates DenseNet with ResNet-50, VGG-19, and GoogLeNet using an innovative bonding process that establishes algorithmic channeling between these models. The goal targets compact efficient image feature vectors that process data in parallel regardless of input color or grayscale consistency and work across different datasets and semantic categories. Image patching techniques with corner straddling and isolated responses help detect peaks and junctions while addressing anisotropic noise through curvature-based computations and auto-correlation calculations. An integrated channeled algorithm processes the refined features by uniting local-global features with primitive-parameterized features and regioned feature vectors. Using K-nearest neighbor indexing methods analyze and retrieve images from the harmonized signature collection effectively. Extensive experimentation is performed on the state-of-the-art datasets including Caltech-101, Cifar-10, Caltech-256, Cifar-100, Corel-10000, 17-Flowers, COIL-100, FTVL Tropical Fruits, Corel-1000, and Zubud. This contribution finally endorses its standing at the peak of deep and complex image sensing analysis. A state-of-the-art deep image sensing analysis method delivers optimal channeling accuracy together with robust dataset harmonization performance.

Producción Científica

Khadija Kanwal mail , Khawaja Tehseen Ahmad mail , Aiza Shabir mail , Li Jing mail , Helena Garay mail helena.garay@uneatlantico.es, Luis Eduardo Prado González mail uis.prado@uneatlantico.es, Hanen Karamti mail , Imran Ashraf mail ,

Kanwal

open

Incorporating soil information with machine learning for crop recommendation to improve agricultural output

The agriculture field is the basis of a country’s change and financial system. Crops are the main source of revenue for the people. One of the farmer’s most challenging problems is choosing the right crops for their land. This critical decision has a direct impact on productivity and profit. Wrong crop selection not only reduces yields but also causes food shortages, creating more problems for farmers. The best crop depends on many parameters such as illustration humidity, N, K, P, pH, rainfall, and temperature of the soil. Getting advice from experts is not an easy task. This requires intelligent models in crop recommendations that use machine-learning models to suggest suitable crops for soil and other environmental conditions. Temperature, humidity, and pH are important data for growing crops in agriculture. In this study, we gather and preprocess relevant data. To recommend the most suitable crop, we propose a novel ensemble learning approach called RFXG based on random forest (RF) and extreme gradient boosting (XGB) to suggest the best crop out of the twenty-two major crops. To measure the capability of the proposed approach, various machine learning models are utilized including extra tree classifier, multilayer perceptron, RF, decision trees, logistic regression, and XGB classifiers. To get the best performance, optimization of hyperparameter, and K-fold cross-validation procedures are performed. Experimental outcomes show that the proposed RFXG technique achieves a recommendation accuracy is 98%. Specifically, the proposed solution provides immediate recommendations to help farmers make timely decisions.

Producción Científica

Hadeeqa Afzal mail , Madiha Amjad mail , Ali Raza mail , Kashif Munir mail , Santos Gracia Villar mail santos.gracia@uneatlantico.es, Luis Alonso Dzul López mail luis.dzul@uneatlantico.es, Imran Ashraf mail ,

Afzal

open

Deep image features sensing with multilevel fusion for complex convolution neural networks & cross domain benchmarks

Efficient image retrieval from a variety of datasets is crucial in today's digital world. Visual properties are represented using primitive image signatures in Content Based Image Retrieval (CBIR). Feature vectors are employed to classify images into predefined categories. This research presents a unique feature identification technique based on suppression to locate interest points by computing productive sum of pixel derivatives by computing the differentials for corner scores. Scale space interpolation is applied to define interest points by combining color features from spatially ordered L2 normalized coefficients with shape and object information. Object based feature vectors are formed using high variance coefficients to reduce the complexity and are converted into bag-of-visual-words (BoVW) for effective retrieval and ranking. The presented method encompass feature vectors for information synthesis and improves the discriminating strength of the retrieval system by extracting deep image features including primitive, spatial, and overlayed using multilayer fusion of Convolutional Neural Networks(CNNs). Extensive experimentation is performed on standard image datasets benchmarks, including ALOT, Cifar-10, Corel-10k, Tropical Fruits, and Zubud. These datasets cover wide range of categories including shape, color, texture, spatial, and complicated objects. Experimental results demonstrate considerable improvements in precision and recall rates, average retrieval precision and recall, and mean average precision and recall rates across various image semantic groups within versatile datasets. The integration of traditional feature extraction methods fusion with multilevel CNN advances image sensing and retrieval systems, promising more accurate and efficient image retrieval solutions.

Producción Científica

Jyotismita Chaki mail , Aiza Shabir mail , Khawaja Tehseen Ahmed mail , Arif Mahmood mail , Helena Garay mail helena.garay@uneatlantico.es, Luis Eduardo Prado González mail uis.prado@uneatlantico.es, Imran Ashraf mail ,

Chaki

Consultar por Acceso

TEMÁTICA

ACCESO

IDIOMA

Filtros

Enlaces:

Exportar como	Atom RSS 1.0 RSS 2.0