Mostrar o rexistro simple do ítem

dc.contributor.authorIglesias Morís, Daniel
dc.contributor.authorMoura, Joaquim de
dc.contributor.authorMarcos, Pedro J.
dc.contributor.authorMíguez-Rey, Enrique
dc.contributor.authorNovo Buján, Jorge
dc.contributor.authorOrtega Hortas, Marcos
dc.date.accessioned2024-05-23T07:53:55Z
dc.date.available2024-05-23T07:53:55Z
dc.date.issued2023-12-14
dc.identifier.citationD. I. Morís, J. de Moura, P. J. Marcos, E. Míguez-Rey, J. Novo, and M. Ortega, "Análisis de datos multimodales para la toma de decisiones clínicas utilizando Inteligencia Artificial en el contexto de la COVID-19", BioIntegraSaúde (BIS 2023), 14 de decembro de 2023, A Coruña, 2023.es_ES
dc.identifier.urihttp://hdl.handle.net/2183/36588
dc.descriptionBIOINTEGRASAÚDE 2023, celebrada en A Coruña o día 14 de Decembro de 2023, organizada polo Instituto de Investigación Biomédica da Coruña (INIBIC), o Instituto de Investigación Sanitaria de Santiago de Compostela (IDIS) e o Instituto de Investigación Sanitaria Galicia Sur (IISGS)es_ES
dc.description.abstract[Abstract]: La COVID-19 es una enfermedad pulmonar infecciosa causante de la pandemia mundial del año 2020. En los momentos críticos de las emergencias sanitarias, el equipo médico debe tomar decisiones importantes en un contexto de recursos limitados. En este contexto, los métodos de diagnóstico asistido por ordenador pueden ayudar en esa toma de decisiones, permitiendo identificar a los pacientes de alto riesgo. Esto se puede realizar utilizando información extraída de historiales clínicos electrónicos, tests de laboratorio o estudios de imagen. En este trabajo, presentamos un nuevo método eficiente y totalmente automático para estimar el riesgo de pacientes COVID-19, utilizando la fusión de datos multimodales con características clínicas y características profundas extraídas a partir de imágenes de radiografía torácica. Esta estimación se efectúa en 2 escenarios críticos: riesgo de hospitalización y riesgo de fallecimiento. Los resultados demuestran un gran desempeño por parte de los clasificadores, estimando ambos riesgos con una gran precisión y utilizando únicamente un subconjunto muy reducido de un conjunto de características originales notablemente más extenso. Esta reducción de la dimensionalidad en el conjunto de datos es muy ventajosa en escenarios donde los recursos computacionales son limitados. Este método totalmente automático presenta un potencial prometedor para mejorar el proceso de toma de decisiones clínicas y una mejor gestión de los recursos médicos, no solo en el contexto de la COVID-19 sino también en otros escenarios clínicos.es_ES
dc.description.sponsorshipEste trabajo está financiado por el Ministerio de Ciencia e Innovación, Gobierno de España por medio del proyecto de investigación con los códigos [RTI2018-095894-B-I00, PID2019-108435RB-I00, TED2021-131201B-I00 y PDC2022-133132-I00]; Consellería de Educación, Universidade e Formación Profesional, Xunta de Galicia, Grupos de Referencia Competitiva, [código ED431C 2020/24], ayuda predoctoral [código ED481A 2021/196].es_ES
dc.description.sponsorshipXunta de Galicia; ED481A 2021/196es_ES
dc.description.sponsorshipXunta de Galicia; ED431C 2020/24es_ES
dc.language.isospaes_ES
dc.relationinfo:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/RTI2018-095894-B-I00/ES/DESARROLLO DE TECNOLOGIAS INTELIGENTES PARA DIAGNOSTICO DE LA DMAE BASADAS EN EL ANALISIS AUTOMATICO DE NUEVAS MODALIDADES HETEROGENEAS DE ADQUISICION DE IMAGEN OFTALMOLOGICAes_ES
dc.relationinfo:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2017-2020/PID2019-108435RB-I00/ES/CUANTIFICACIÓN Y CARACTERIZACIÓN COMPUTACIONAL DE IMAGEN MULTIMODAL OFTALMOLÓGICA: ESTUDIOS EN ESCLEROSIS MÚLTIPLEes_ES
dc.relationinfo:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2021-2023/TED2021-131201B-I00/ES/DIAGNÓSTICO DIGITAL: TRANSFORMACIÓN DE LA DETECCIÓN DE ENFERMEDADES NEUROVASCULARES Y DEL TRATAMIENTO DE LOS PACIENTESes_ES
dc.relationinfo:eu-repo/grantAgreement/AEI/Plan Estatal de Investigación Científica y Técnica y de Innovación 2021-2024/PDC2022-133132-I00/ES/MEJORAS EN EL DIAGNÓSTICO E INVESTIGACIÓN CLÍNICO MEDIANTE TECNOLOGÍAS INTELIGENTES APLICADAS LA IMAGEN OFTALMOLÓGICAes_ES
dc.subjectFusión de datoses_ES
dc.subjectEstimación de riesgoes_ES
dc.subjectDatos clínicoses_ES
dc.subjectCaracterísticas profundases_ES
dc.subjectCOVID-19es_ES
dc.subjectRadiología torácicaes_ES
dc.titleAnálisis de datos multimodales para la toma de decisiones clínicas utilizando Inteligencia Artificial en el contexto de la COVID-19es_ES
dc.typeinfo:eu-repo/semantics/conferenceObjectes_ES
dc.typeinfo:eu-repo/semantics/conferenceObjectes_ES
dc.rights.accessinfo:eu-repo/semantics/openAccesses_ES
UDC.conferenceTitleBIOINTEGRASAÚDE 2023es_ES


Ficheiros no ítem

Thumbnail

Este ítem aparece na(s) seguinte(s) colección(s)

Mostrar o rexistro simple do ítem