Laboratorio virtual para el procesamiento y clasificación de señales e imágenes biomédicas

RESUMEN: El fin de este proyecto se centró en la reducción de la brecha que existe entre el aprendizaje y las nuevas tecnologías que se desarrollan en pleno siglo XXI en instituciones educativas y más concretamente en Universidades públicas donde la investigación es su principal fuente de ingresos y donde es muy difícil conseguir fuente de financiamiento para recursos en la ejecución de algoritmos complejos con alta demanda computacional [1]. En el área de Bioingeniería de la Universidad de Antioquia se cuenta con investigaciones en el área del procesamiento de imágenes y señales biomédicas, como lo es el caso de imágenes de FMRI (Functional Magnetic Resonance Imaging) y señales EEG (Electroencefalografía), donde actualmente tecnologías como Nipype, ICA y redes neuronales convolucionales consumen demasiados recursos locales, sin mencionar el factor tiempo que esto implica imposibilitando el avance en el área de la investigación y desarrollo de nuevas aplicaciones en el área médica. Es por esto por lo que se planteó el despliegue de servicios en Amazon Web Services (AWS) donde se pudieran ejecutar algoritmos computacionalmente complejos y de ejecución lenta con el fin de reducir los tiempos de procesamiento y el consumo de recursos locales. Se desarrolló un algoritmo en Machine Learning por medio de redes neuronales convolucionales usando como herramienta la librería TensorFlow, dando como resultado la reducción del tiempo de ejecución, un algoritmo de procesamiento de imágenes, muy común en el área de FMRI usando Nipype como herramienta donde se logró reducir el tiempo de ejecución de 1 hora a 7 minutos; y en señales se desplegó un servicio que realizará la descomposición de una mezcla de una señal EEG en sus componentes independientes, a pesar de que no se logró una reducción de tiempo considerable de tiempo si se evidenció una disminución de la carga en el computador para la realización de sus otros procesos. Finalmente se concluye que AWS es una gran oportunidad de implementar algoritmos complejos y ayudar a las instituciones educativas el aprendizaje de nuevas tecnologías en todas las áreas de investigación y de desarrollo para seguir mejorando la calidad de vida de todas las personas.

• Autores: Vásquez Hernández, Pedro Iván
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2019
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/16984
• Acceso en línea: http://hdl.handle.net/10495/16984
• Palabra clave: Electroencefalografía; Electroencephalography; Informática médica; Medical informatics; Nube computacional; Cloud computing; Programa de ordenador; Computer software; Análisis de imágenes; Image analysis; Imágenes por resonancia magnética; Magnetic resonance imaging; Imágenes digitales en medicina; Laboratorios virtuales; Redes neuronales; http://aims.fao.org/aos/agrovoc/c_36762; http://aims.fao.org/aos/agrovoc/c_36764; http://vocabularies.unesco.org/thesaurus/concept6081
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 2.5 Colombia