Artificial neural networks in diagnosis of liver diseases

Liver diseases have severe patients’ consequences, being one of the main causes of premature death. These facts reveal the centrality of one`s daily habits, and how important it is the early diagnosis of these kind of illnesses, not only to the patients themselves, but also to the society in general. Therefore, this work will focus on the development of a diagnosis support system to these kind of maladies, built under a formal framework based on Logic Programming, in terms of its knowledge representation and reasoning procedures, complemented with an approach to computing grounded on Artificial Neural Networks.

Logic programming and artificial neural networks in breast cancer detection

About 90% of breast cancers do not cause or are capable of producing death if detected at an early stage and treated properly. Indeed, it is still not known a specific cause for the illness. It may be not only a beginning, but also a set of associations that will determine the onset of the disease. Undeniably, there are some factors that seem to be associated with the boosted risk of the malady. Pondering the present study, different breast cancer risk assessment models where considered. It is our intention to develop a hybrid decision support system under a formal framework based on Logic Programming for knowledge representation and reasoning, complemented with an approach to computing centered on Artificial Neural Networks, to evaluate the risk of developing breast cancer and the respective Degree-of-Confidence that one has on such a happening.

Learning joint representations for order and timing of perceptual-motor sequences: a dynamic neural field approach

Many of our everyday tasks require the control of the serial order and the timing of component actions. Using the dynamic neural field (DNF) framework, we address the learning of representations that support the performance of precisely time action sequences. In continuation of previous modeling work and robotics implementations, we ask specifically the question how feedback about executed actions might be used by the learning system to fine tune a joint memory representation of the ordinal and the temporal structure which has been initially acquired by observation. The perceptual memory is represented by a self-stabilized, multi-bump activity pattern of neurons encoding instances of a sensory event (e.g., color, position or pitch) which guides sequence learning. The strength of the population representation of each event is a function of elapsed time since sequence onset. We propose and test in simulations a simple learning rule that detects a mismatch between the expected and realized timing of events and adapts the activation strengths in order to compensate for the movement time needed to achieve the desired effect. The simulation results show that the effector-specific memory representation can be robustly recalled. We discuss the impact of the fast, activation-based learning that the DNF framework provides for robotics applications.

Testing Nelder-Mead based repulsion algorithms for multiple roots of nonlinear systems via a two-level factorial design of experiments

This paper addresses the challenging task of computing multiple roots of a system of nonlinear equations. A repulsion algorithm that invokes the Nelder-Mead (N-M) local search method and uses a penalty-type merit function based on the error function, known as 'erf', is presented. In the N-M algorithm context, different strategies are proposed to enhance the quality of the solutions and improve the overall efficiency. The main goal of this paper is to use a two-level factorial design of experiments to analyze the statistical significance of the observed differences in selected performance criteria produced when testing different strategies in the N-M based repulsion algorithm. The main goal of this paper is to use a two-level factorial design of experiments to analyze the statistical significance of the observed differences in selected performance criteria produced when testing different strategies in the N-M based repulsion algorithm.

Bootstrap performance profiles in stochastic algorithms assessment

Optimization with stochastic algorithms has become a relevant research field. Due to its stochastic nature, its assessment is not straightforward and involves integrating accuracy and precision. Performance profiles for the mean do not show the trade-off between accuracy and precision, and parametric stochastic profiles require strong distributional assumptions and are limited to the mean performance for a large number of runs. In this work, bootstrap performance profiles are used to compare stochastic algorithms for different statistics. This technique allows the estimation of the sampling distribution of almost any statistic even with small samples. Multiple comparison profiles are presented for more than two algorithms. The advantages and drawbacks of each assessment methodology are discussed.

[Letter to the editor] Sustained effects of a neural-based intervention in a refractory case of Tourette syndrome

There are only a few treatments available for Tourette syndrome (TS). These treatments frequently do notwork in patients with moderate to severe TS [1]. Neuroimaging studies show a correlation between tics severity and increased activation over motor pathways, along with reduced activation over the control areas of the cortico-striato-thalamo-cortical circuits [2]. Moreover, the temporal pattern of tic generation suggests that cortical activation especially in the SMA precedes subcortical activation [3]. Following this assumption, here we explored the brain effects of 10-daily sessions of cathodal transcranial Direct Current Stimulation (tDCS) delivered over the pre-SMA in a patient with refractory and severe TS and also assessed whether those changes were long lasting (up to 6 months).

Benchmarking sobre técnicas de otimização para modelos de apoio à decisão na medicina intensiva

Dissertação de mestrado integrado em Engenharia e Gestão de Sistemas de Informação

High-aspect-ratio tridimensional electrode arrays for neural applications

Tese de Doutoramento em Engenharia Biomédica.

Algorithms and computational tools for metabolic flux analysis

PhD thesis in Biomedical Engineering

A survey of distributed data aggregation algorithms

Distributed data aggregation is an important task, allowing the de- centralized determination of meaningful global properties, that can then be used to direct the execution of other applications. The resulting val- ues result from the distributed computation of functions like count, sum and average. Some application examples can found to determine the network size, total storage capacity, average load, majorities and many others. In the last decade, many di erent approaches have been pro- posed, with di erent trade-o s in terms of accuracy, reliability, message and time complexity. Due to the considerable amount and variety of ag- gregation algorithms, it can be di cult and time consuming to determine which techniques will be more appropriate to use in speci c settings, jus- tifying the existence of a survey to aid in this task. This work reviews the state of the art on distributed data aggregation algorithms, providing three main contributions. First, it formally de nes the concept of aggrega- tion, characterizing the di erent types of aggregation functions. Second, it succinctly describes the main aggregation techniques, organizing them in a taxonomy. Finally, it provides some guidelines toward the selection and use of the most relevant techniques, summarizing their principal characteristics.

Optimização do processo de recolha de resíduos: desenvolvimento de ferramentas de investigação operacional para o problema de orientação de equipas com multi-restrições

Tese de Doutoramento em Engenharia Industrial e de Sistemas.

Participación de las células de la cresta neural en el desarrollo de anomalías inducidas por agentes exógenos (síndrome fetal alcohólico y embriopatía por ácido retinoico)

En la etapa embrionaria temprana de los vertebrados, las células de la cresta neural (CCN) se segregan del tubo neural y se distribuyen con patrones temporales y espaciales muy precisos, contribuyendo a la formación de muchos derivados: neuronas y glía del sistema nervioso periférico, parte del sistema endócrino, sistema pigmentario y la mayor parte de los tejidos cráneo-faciales. Las bases morfogenéticas de esta movilización de las CCN se asocian con la disponibilidad de componentes de la matriz extracelular, con fenómenos de apoptosis selectiva, y con la expresión de genes homeóticos, de proteínas transportadoras de retinoides y de receptores de ácido retinoico (AR). En consecuencia, el mecanismo que define el comportamiento de las CCN migratorias asume una especial importancia, desde que cualquier fallo producido en estos "reguladores topográficos" podrá alterar la ordenada traslocación de CN, induciendo una dismorfogénesis. (...) Objetivos: 1) Analizar el comportamiento dinámico de la etapa migratoria temprana de las CCN de niveles cefálico y troncal expuestas a etanol o AR in vitro. 2) Evaluar la posible reversibilidad de los efectos del etanol y del AR sobre la morfología y dinámica migratoria de las CCN de niveles cefálico y troncal in vitro. 3) Analizar los componentes del citoesqueleto asociados con los cambios de forma y motilidad celular en CCN de niveles cefálico y troncal expuestas a etanol y AR in vitro. Los resultados del proyecto permitirán aportar al conocimiento de los mecanismos básicos que regulan la movilidad de poblaciones celulares de gran importancia para el desarrollo humano. Los datos obtenidos servirán de base para futuros enfoques de biología molecular tendientes a innovar aspectos del diagnóstico, pronóstico y prevención de patologías humanas de creciente prevalencia provocadas por el etanol (FAS) y los retinoides (RAE).

Gangliósidos, Neuritogénesis y Regeneración Neural "in vitro"

El presente plan tiene como objetivo general la caracterización de factores celulares y moleculares que afecten la sobrevida, la diferenciación neural y la regeneración axonal en células del sistema nervioso central (SNC). Las neuronas maduras de vertebrados superiores son incapaces de regenerar sus axones dañados, razón por la cual todo estudio experimental de regeneración axonal "in vitro", si bien aporta conocimientos básicos, tiene potenciales aplicaciones prácticas en relación a la recuperación de la función neuronal. Diversos estudios de regeneración axonal, especialmente para las células gangionares (CGR) han sido realizados con cultivos de células retinales. Estos cultivos están compuestos por diversos tipos de neuronas, lo que hace que cuando se quiere determinar los efectos de un agente trófico, no sea éste el mejor sistema dado que los efectos observados pueden estar afectados por otros tipos celulares del cultivo. Por ello, para optimizar un modelo para estos estudios, hemos desarrollado un método de cultivo para las CGR purificadas por "panning" de retinas de embrión de pollo de diverso desarrollo ontogénico. Las CGR son sembradas a baja densidad en un medio sintético que especialmente hemos formulado (BP5). (...) En base a la experiencia adquirida, y utilizando las técnicas puestas en marcha en nuestro laboratorio, nos proponemos caracterizar, mediante el análisis de parámetros bioquímicos y de video-microscopía con analizador de la diferenciación y el crecimiento axonal de las CGR purificadas. Las CGR serán cultivadas en condiciones basales con el medio PB5, o en presencia de diversos factores de crecimiento, sustancias de la matriz extracelular y gangliósidos exógenos, agregados individualmente o en combinación. En estas condiciones se correlacionarán los efectos observados con los cambios en los "patterns" de síntesis y expresión de los gangliósidos y con el flujo intracelular de Ca2+.

Desarrollo de Algoritmos Numéricos para el Estudio de la Propagación no Lineal de Ondas en Aplicaciones Aeroespaciales y Astrofísicas. Develop to Numerical Algorithms to Study non-Linear Waves Propagation in Aerospace and Astrophysics Applications.

En este proyecto se desarrollarán algoritmos numéricos para sistemas no lineales hiperbólicos-parabólicos de ecuaciones diferenciales en derivadas parciales. Dichos sistemas tienen aplicación en propagación de ondas en ámbitos aeroespaciales y astrofísicos.Objetivos generales: 1)Desarrollo y mejora de algoritmos numéricos con la finalidad de incrementar la calidad en la simulación de propagación e interacción de ondas gasdinámicas y magnetogasdinámicas no lineales. 2)Desarrollo de códigos computacionales con la finalidad de simular flujos gasdinámicos de elevada entalpía incluyendo cambios químicos, efectos dispersivos y difusivos.3)Desarrollo de códigos computacionales con la finalidad de simular flujos magnetogasdinámicos ideales y reales.4)Aplicación de los nuevos algoritmos y códigos computacionales a la solución del flujo aerotermodinámico alrededor de cuerpos que ingresan en la atmósfera terrestre. 5)Aplicación de los nuevos algoritmos y códigos computacionales a la simulación del comportamiento dinámico no lineal de arcos magnéticos en la corona solar. 6)Desarrollo de nuevos modelos para describir el comportamiento no lineal de arcos magnéticos en la corona solar.Este proyecto presenta como objetivo principal la introducción de mejoras en algoritmos numéricos para simular la propagación e interacción de ondas no lineales en dos medios gaseosos: aquellos que no poseen carga eléctrica libre (flujos gasdinámicos) y aquellos que tienen carga eléctrica libre (flujos magnetogasdinámicos). Al mismo tiempo se desarrollarán códigos computacionales que implementen las mejoras de las técnicas numéricas.Los algoritmos numéricos se aplicarán con la finalidad de incrementar el conocimiento en tópicos de interés en la ingeniería aeroespacial como es el cálculo del flujo de calor y fuerzas aerotermodinámicas que soportan objetos que ingresan a la atmósfera terrestre y en temas de astrofísica como la propagación e interacción de ondas, tanto para la transferencia de energía como para la generación de inestabilidades en arcos magnéticos de la corona solar. Estos dos temas poseen en común las técnicas y algoritmos numéricos con los que serán tratados. Las ecuaciones gasdinámicas y magnetogasdinámicas ideales conforman sistemas hiperbólicos de ecuaciones diferenciales y pueden ser solucionados utilizando "Riemann solvers" junto con el método de volúmenes finitos (Toro 1999; Udrea 1999; LeVeque 1992 y 2005). La inclusión de efectos difusivos genera que los sistemas de ecuaciones resulten hiperbólicos-parabólicos. La contribución parabólica puede ser considerada como términos fuentes y tratada adicionalmente tanto en forma explícita como implícita (Udrea 1999; LeVeque 2005).Para analizar el flujo alrededor de cuerpos que ingresan en la atmósfera se utilizarán las ecuaciones de Navier-Stokes químicamente activas, mientras la temperatura no supere los 6000K. Para mayores temperaturas es necesario considerar efectos de ionización (Anderson, 1989). Tanto los efectos difusivos como los cambios químicos serán considerados como términos fuentes en las ecuaciones de Euler. Para tratar la propagación de ondas, transferencia de energía e inestabilidades en arcos magnéticos de la corona solar se utilizarán las ecuaciones de la magnetogasdinámica ideal y real. En este caso será también conveniente implementar términos fuente para el tratamiento de fenómenos de transporte como el flujo de calor y el de radiación. Los códigos utilizarán la técnica de volúmenes finitos, junto con esquemas "Total Variation Disminishing - TVD" sobre mallas estructuradas y no estructuradas.