Un electrocardiógrafo inteligente de bajo coste

Castellano: A lo largo de este proyecto se ha desarrollado un sistema de bajo coste para la tomade electrocardiogramas y posterior visualización de los mismos en un dispositivo Android. Además se ha creado un módulo inteligente capaz de realizar un diagnóstico de manera automática y razonada sobre los datos recogidos. El proyecto se ha realizado principalmente sobre tecnologías abiertas: Arduino como componente central del sistema electrónico, Android para visualizar datos en una plataforma móvil y CLIPS como motor sobre el cual se ha desarrollado el sistema experto que realiza el diagnóstico.

Sistema de ayuda al diagnóstico clínico: clasificación de diagnósticos clínicos

El trabajo realizado en este proyecto se enmarca dentro del área de Procesamiento del Lenguaje Natural aplicado al ámbito de la medicina. Para este fin se han utilizado técnicas de minería de datos y aprendizaje automático. El objetivo principal de este proyecto es el desarrollo de un modelo capaz de automatizar la clasificación de textos clínicos según el estándar ICD-9- CM (codificación estándar utilizada por la red hospitalaria europea). Aunque existe una herramienta web (https://eciemaps.mspsi.es/ecieMaps/ browser/index_9_mc.html), que facilita la clasificación, este trabajo, hoy en día es realizado manualmente. Básicamente se trata de un diccionario online, de los términos del estándar. Basándonos en trabajos previos relacionados, se ha obtenido un baseline a partir del cual se ha construido el proyecto. En primer lugar, como en cualquier trabajo relacionado con los Sistemas de Apoyo a la Decisión (DSS) se ha estructurado el trabajo en dos módulos principales, el preproceso y la clasificación. En el módulo dedicado al preproceso, se tratan los datos para hacerlos comprensibles a los algoritmos de clasificación. En este primer módulo también se realiza una fase de adición de atributos que aporten información útil a la hora de la clasificación y una posterior selección de los mismos, por si alguno fuera redundante o irrelevante. En el segundo módulo dedicado a la clasificación, seleccionamos aquellos algoritmos que consideramos mejores, basándonos para ello, en otros trabajos previos que abordan un problema similar. Una vez seleccionados los algoritmos, se procede a realizar barridos de parámetros que optimicen su rendimiento. Finalmente, se ha realizado la experimentación con distintas técnicas de preprocesamiento de los datos y con los distintos algoritmos de clasificación automática. Esta última de experimentación tiene como objetivo, encontrar la combinación de métodos que optimice el rendimiento de ambos módulos, y por tanto de todo el sistema.

Caprate: un sistema de interpretación de problemas en lenguaje natural

199 p.

Sistema de control y supervisión para una instalación industrial basado en técnicas de computación en la nube.

[ES]Hasta ahora, el control y monitorización de una instalación industrial se realiza desde la sala de control situada en las propias instalaciones de la planta. Cada unidad de control guarda y envía los datos a un ordenador que después se envían a uno central, siguiendo un orden jerárquico, en el que se visualizan ante un operario. Hoy en día, sin embargo, con el auge de los dispositivos móviles inteligentes, se puede conseguir que esa supervisión de la planta industrial se pueda hacer desde cualquier lugar. Podemos visualizar esos datos de control en nuestra mano y mandar órdenes a cada unidad desde nuestro teléfono inteligente. Esto es lo que se ha conseguido hacer con este proyecto, en el que se ha modelizado una instalación industrial basada en una cadena de montaje con tres unidades.

La cultura como componente de un modelo social de territorio inteligente en la sociedad del conocimiento. El caso de la política cultural para Tolosa

527 p.

Automatización de la adquisición y procesamiento de datos en microscopía electrónica tridimensional

257 P.