Estudio de algoritmos de aprendizaje dinámico y online para aprendizaje profundo aplicado a la detección de tos en pacientes respiratorios

Abstract

En este TFG se aborda el problema de la detección de tos mediante el uso de técnicas de deep learning. En particular, se propone el uso de algoritmos adaptativos para intentar solventar uno de los grandes problemas que tienen los detectores de tos; la falta de adaptación cuando se enfrentan a muestras de poblaciones con las que no han sido entrenados. Se analizarán los desafíos específicos que enfrenta la detección de tos y se expondrán diversas técnicas de aprendizaje adaptativo y online que pueden ser útiles para abordar estas limitaciones. Este trabajo tiene como objetivo contribuir a mejorar la detección de tos en diferentes contextos clínicos y de investigación.

This Bachelor’s thesis addresses the problem of cough detection through the use of deep learning techniques. In particular, adaptive algorithms are proposed to attempt to solve one of the major issues faced by cough detectors; the lack of adaptation when faced with samples from populations they have not been trained on. Specific challenges in cough detection will be analyzed, and various adaptive an online learning techniques that may be useful in addressing these limitations will be presented. The aim of this work is to contribute to improving cough detection in different clinical and research contexts.