Visualización de datos y personalización inteligente de explicaciones para su utilización en la medicina del deporte
El presente documento refleja el Trabajo Final correspondiente al Máster Universitario en Internet de las Cosas, y se ubica en el área de aplicación de sistemas inteligentes. En el desarrollo del proyecto se tratan generalmente los principios de visualización aplicables en cualquier entorno del Inte...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2018 |
| País: | España |
| Institución: | Universidad Complutense de Madrid (UCM) |
| Repositorio: | Docta Complutense |
| Idioma: | español |
| OAI Identifier: | oai:docta.ucm.es:20.500.14352/19955 |
| Acceso en línea: | https://hdl.handle.net/20.500.14352/19955 |
| Access Level: | acceso abierto |
| Palabra clave: | 004:651(043.3) 004.6(043.3) 004.891(043.3) 004.83(043.3) 796:61(043.3) Visualización CBR IA Big Data Medicina del Deporte EMG Storytelling Interacción Explicaciones Análisis Conocimiento Reutilización Adaptación Gráficos Automatización Legalidad Visualization Sports Medicine Interaction Explanations Analysis Knowledge Reuse Adaptation Learning Graphics Automation Legality Informática (Informática) 1203.17 Informática |
| Sumario: | El presente documento refleja el Trabajo Final correspondiente al Máster Universitario en Internet de las Cosas, y se ubica en el área de aplicación de sistemas inteligentes. En el desarrollo del proyecto se tratan generalmente los principios de visualización aplicables en cualquier entorno del Internet de las Cosas y que pueden estar dirigidos a equipos y usuarios de todo tipo. Hoy en día se tratan métodos de recogida y procesamiento de datos altamente heterogéneos, orientando la capacidad de conocimiento de esos datos a una cantidad de usuarios también muy heterogénea. De este modo, la generación de explicaciones visuales e interactivas dentro de plantillas de informes se puede optimizar mediante el uso de técnicas de Inteligencia Artificial (IA) como el Case-Based Reasoning (CBR), capaz de abordarse junto al diseño e implementación de herramientas de visualización avanzada. Este conjunto de aportaciones inteligentes se traduce en una personalización total de los informes, y posee la finalidad última de facilitar la cognición y detección de relaciones entre patrones dentro de los casos tratados mediante técnicas avanzadas de visualización de datos, además de capacitar la automatización de decisiones a partir de la observación y evaluación de los datos asociados a dichos casos. Así pues, resulta de especial interés el hecho de trasladar este objetivo a la Medicina y aplicar técnicas de IA como el CBR en sistemas compuestos por sensores de electromiografía (EMG), con tal de explicar a los expertos las características de los datos de pacientes y así poder facilitar a la toma de decisiones en el día a día. Este Trabajo Final de Máster conforma una división importante dentro de un ambicioso proyecto de investigación, y el objetivo primordial definido para su ejecución se basa en el desarrollo de un prototipo de mecanismo inteligente de generación de explicaciones visuales personalizables e interactivas con capacidad de aprendizaje a partir de la interacción. Aunque el mecanismo y la metodología se establecen de forma genérica, la prueba de concepto se realiza con datos correspondientes al dominio de la Medicina del Deporte, concretamente proporcionando soporte al profesional médico en el proceso de interpretación de características de datos asociados a pacientes que se corresponden con análisis de electromiografía. Para ello, en primer lugar, se describen los procesos y jerarquías CBR en la reutilización de elementos visuales en informes. Seguidamente, se analiza la naturaleza de las técnicas de visualización de datos de una forma genérica, con tal de a posteriori focalizar en un perfil de entidad concreto dentro del campo que ocupa la Medicina del Deporte. Este enfoque se aborda a lo largo del proyecto a modo de estudio práctico, y en todo momento se persigue explotar la funcionalidad de la herramienta perteneciente a dicha entidad para seguidamente potenciar su evolución tanto desde la perspectiva descriptiva como predictiva. Este análisis de datos médicos es causante de que, en última instancia, se estudien los procedimientos legislativos para el tratamiento de los propios datos dentro del ámbito sanitario. |
|---|