Técnicas no lineales y de aprendizaje profundo aplicadas al procesamiento de señales biomédicas

Autores
Schlotthauer, Gastón; Restrepo Rinckoar, Juan F.; Alzamendi, Gabriel A.; Casal, Ramiro; Colominas, Marcelo A.; Miramont, Juan M.; Ruiz, Joaquín V.; Zalazar, Iván
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión aceptada
Descripción
Fil: Apellido, Nombre. Universidad Nacional de Entre Ríos. Nombre de la Facultad; Argentina.
Este proyecto se enfoca en el estudio y desarrollo de técnicas de procesamiento, modelado y análisis de señales biomédicas, considerando su naturaleza no estacionaria y no lineal. Las metodologías tradicionales suelen ignorar estas características, por lo que es necesario diseñar herramientas adaptadas a estos sistemas. Se plantea que las señales biomédicas deben analizarse con métodos que modelen adecuadamente su comportamiento o sean completamente adaptativos, combinándolos con técnicas de aprendizaje automático para mejorar la simulación, clasificación, segmentación y reducción de ruido. Será de interés la aplicación de aprendizaje profundo y medidas de transferencia de información para la clasificación de señales  relacionadas con el sueño. Estas herramientas han demostrado ser útiles en el procesamiento de señales electroencefalográficas y polisomnográficas, facilitando la estadificación del sueño y la identificación de eventos de interés diagnóstico. Además, se busca fortalecer la formación de recursos humanos mediante becas e impulsar la consolidación de un grupo de investigación en TICs, especialmente en procesamiento de señales biomédicas. Esto se desarrolla en el contexto del Instituto de Investigaciones y Desarrollo en Bioingeniería y Bioinformática (CONICET-UNER), contribuyendo al avance del análisis de señales médicas con enfoques innovadores basados en teoría de la información y aprendizaje profundo.
Materia
Aprendizaje profundo; Señales biomédicas; Teoría de la información
Biomedicina; Ingeniería
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Derechos de autor 2025 Gastón Schlotthauer, Juan F. Restrepo Rinckoar, Gabriel A. Alzamendi, Ramiro Casal, Marcelo A. Colominas, Juan M. Miramont, Joaquín V. Ruiz, Iván Zalazar
Repositorio
RIUNER
Institución
Universidad Nacional de Entre Ríos
OAI Identificador
oai:ri.uner.edu.ar:20.500.12025/811
Acceder
id RIUNER_2a4d66ef2d11552f50f7cabff2b87d07
oai_identifier_str oai:ri.uner.edu.ar:20.500.12025/811
network_acronym_str RIUNER
repository_id_str a
network_name_str RIUNER
spelling Técnicas no lineales y de aprendizaje profundo aplicadas al procesamiento de señales biomédicasSchlotthauer, GastónRestrepo Rinckoar, Juan F.Alzamendi, Gabriel A.Casal, RamiroColominas, Marcelo A.Miramont, Juan M.Ruiz, Joaquín V.Zalazar, IvánAprendizaje profundo; Señales biomédicas; Teoría de la informaciónBiomedicina; IngenieríaFil: Apellido, Nombre. Universidad Nacional de Entre Ríos. Nombre de la Facultad; Argentina.Este proyecto se enfoca en el estudio y desarrollo de técnicas de procesamiento, modelado y análisis de señales biomédicas, considerando su naturaleza no estacionaria y no lineal. Las metodologías tradicionales suelen ignorar estas características, por lo que es necesario diseñar herramientas adaptadas a estos sistemas. Se plantea que las señales biomédicas deben analizarse con métodos que modelen adecuadamente su comportamiento o sean completamente adaptativos, combinándolos con técnicas de aprendizaje automático para mejorar la simulación, clasificación, segmentación y reducción de ruido. Será de interés la aplicación de aprendizaje profundo y medidas de transferencia de información para la clasificación de señales  relacionadas con el sueño. Estas herramientas han demostrado ser útiles en el procesamiento de señales electroencefalográficas y polisomnográficas, facilitando la estadificación del sueño y la identificación de eventos de interés diagnóstico. Además, se busca fortalecer la formación de recursos humanos mediante becas e impulsar la consolidación de un grupo de investigación en TICs, especialmente en procesamiento de señales biomédicas. Esto se desarrolla en el contexto del Instituto de Investigaciones y Desarrollo en Bioingeniería y Bioinformática (CONICET-UNER), contribuyendo al avance del análisis de señales médicas con enfoques innovadores basados en teoría de la información y aprendizaje profundo.Universidad Nacional de Entre Ríos2025info:eu-repo/semantics/articleinfo:eu-repo/semantics/acceptedVersionArtículohttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfhttps://hdl.handle.net/20.500.12025/811spaDerechos de autor 2025 Gastón Schlotthauer, Juan F. Restrepo Rinckoar, Gabriel A. Alzamendi, Ramiro Casal, Marcelo A. Colominas, Juan M. Miramont, Joaquín V. Ruiz, Iván Zalazarhttp://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:RIUNERinstname:Universidad Nacional de Entre Ríos2026-02-26T14:05:58Zoai:ri.uner.edu.ar:20.500.12025/811instacron:UNERInstitucionalhttp://ri.uner.edu.ar/Universidad públicaNo correspondehttp://ri.uner.edu.ar/oaibautistap@uner.edu.ar; clara.diaz@uner.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-02-26 14:05:59.148RIUNER - Universidad Nacional de Entre Ríosfalse
dc.title.none.fl_str_mv Técnicas no lineales y de aprendizaje profundo aplicadas al procesamiento de señales biomédicas
title Técnicas no lineales y de aprendizaje profundo aplicadas al procesamiento de señales biomédicas
spellingShingle Técnicas no lineales y de aprendizaje profundo aplicadas al procesamiento de señales biomédicas
Schlotthauer, Gastón
Aprendizaje profundo; Señales biomédicas; Teoría de la información
Biomedicina; Ingeniería
title_short Técnicas no lineales y de aprendizaje profundo aplicadas al procesamiento de señales biomédicas
title_full Técnicas no lineales y de aprendizaje profundo aplicadas al procesamiento de señales biomédicas
title_fullStr Técnicas no lineales y de aprendizaje profundo aplicadas al procesamiento de señales biomédicas
title_full_unstemmed Técnicas no lineales y de aprendizaje profundo aplicadas al procesamiento de señales biomédicas
title_sort Técnicas no lineales y de aprendizaje profundo aplicadas al procesamiento de señales biomédicas
dc.creator.none.fl_str_mv Schlotthauer, Gastón
Restrepo Rinckoar, Juan F.
Alzamendi, Gabriel A.
Casal, Ramiro
Colominas, Marcelo A.
Miramont, Juan M.
Ruiz, Joaquín V.
Zalazar, Iván
author Schlotthauer, Gastón
author_facet Schlotthauer, Gastón
Restrepo Rinckoar, Juan F.
Alzamendi, Gabriel A.
Casal, Ramiro
Colominas, Marcelo A.
Miramont, Juan M.
Ruiz, Joaquín V.
Zalazar, Iván
author_role author
author2 Restrepo Rinckoar, Juan F.
Alzamendi, Gabriel A.
Casal, Ramiro
Colominas, Marcelo A.
Miramont, Juan M.
Ruiz, Joaquín V.
Zalazar, Iván
author2_role author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Aprendizaje profundo; Señales biomédicas; Teoría de la información
Biomedicina; Ingeniería
topic Aprendizaje profundo; Señales biomédicas; Teoría de la información
Biomedicina; Ingeniería
dc.description.none.fl_txt_mv Fil: Apellido, Nombre. Universidad Nacional de Entre Ríos. Nombre de la Facultad; Argentina.
Este proyecto se enfoca en el estudio y desarrollo de técnicas de procesamiento, modelado y análisis de señales biomédicas, considerando su naturaleza no estacionaria y no lineal. Las metodologías tradicionales suelen ignorar estas características, por lo que es necesario diseñar herramientas adaptadas a estos sistemas. Se plantea que las señales biomédicas deben analizarse con métodos que modelen adecuadamente su comportamiento o sean completamente adaptativos, combinándolos con técnicas de aprendizaje automático para mejorar la simulación, clasificación, segmentación y reducción de ruido. Será de interés la aplicación de aprendizaje profundo y medidas de transferencia de información para la clasificación de señales  relacionadas con el sueño. Estas herramientas han demostrado ser útiles en el procesamiento de señales electroencefalográficas y polisomnográficas, facilitando la estadificación del sueño y la identificación de eventos de interés diagnóstico. Además, se busca fortalecer la formación de recursos humanos mediante becas e impulsar la consolidación de un grupo de investigación en TICs, especialmente en procesamiento de señales biomédicas. Esto se desarrolla en el contexto del Instituto de Investigaciones y Desarrollo en Bioingeniería y Bioinformática (CONICET-UNER), contribuyendo al avance del análisis de señales médicas con enfoques innovadores basados en teoría de la información y aprendizaje profundo.
description Fil: Apellido, Nombre. Universidad Nacional de Entre Ríos. Nombre de la Facultad; Argentina.
publishDate 2025
dc.date.none.fl_str_mv 2025
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/acceptedVersion
Artículo
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str acceptedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12025/811
url https://hdl.handle.net/20.500.12025/811
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv Derechos de autor 2025 Gastón Schlotthauer, Juan F. Restrepo Rinckoar, Gabriel A. Alzamendi, Ramiro Casal, Marcelo A. Colominas, Juan M. Miramont, Joaquín V. Ruiz, Iván Zalazar
http://creativecommons.org/licenses/by/4.0
info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
rights_invalid_str_mv Derechos de autor 2025 Gastón Schlotthauer, Juan F. Restrepo Rinckoar, Gabriel A. Alzamendi, Ramiro Casal, Marcelo A. Colominas, Juan M. Miramont, Joaquín V. Ruiz, Iván Zalazar
http://creativecommons.org/licenses/by/4.0
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional de Entre Ríos
publisher.none.fl_str_mv Universidad Nacional de Entre Ríos
dc.source.none.fl_str_mv reponame:RIUNER
instname:Universidad Nacional de Entre Ríos
reponame_str RIUNER
collection RIUNER
instname_str Universidad Nacional de Entre Ríos
repository.name.fl_str_mv RIUNER - Universidad Nacional de Entre Ríos
repository.mail.fl_str_mv bautistap@uner.edu.ar; clara.diaz@uner.edu.ar
_version_ 1858211314994774016
score 13.176822

Publicaciones similares