RT info:eu-repo/semantics/masterThesis
T1 Estudio de la utilidad de diferentes métodos de interpretabilidad de redes profundas en el diagnóstico del TDAH
A1 Chico Delgado, Guillermo
A2 Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de Telecomunicación
K1 TDAH
K1 Aprendizaje profundo
K1 CNN
K1 Transformer
AB Este Trabajo de Fin de Máster tiene como objetivo avanzar en la línea de investigación deestudios previos sobre el diagnóstico del Trastorno por Déficit de Atención e Hiperactividad(TDAH), especialmente en su subtipo hiperactivo. Tradicionalmente, el diagnóstico del TDAHse basa en evaluaciones clínicas, las cuales son subjetivas debido a la interpretación de lossíntomas y la observación del paciente. El propósito de este estudio es desarrollar un sistemade diagnóstico objetivo utilizando técnicas de aprendizaje profundo e Inteligencia ArtificialExplicable (XAI). El trabajo se enfoca principalmente en caracterizar y diferenciar los subtiposde TDAH mediante el análisis de señales actigráficas, procesadas en espectrogramas, utilizandoRedes Neuronales Convolucionales y Vision Transformers. Además, se emplean métodos deXAI para interpretar las salidas de las redes neuronales e identificar características clave quedistinguen los subtipos de TDAH. La investigación también compara el rendimiento de losdiferentes modelos, con el fin de mejorar la precisión del diagnóstico y proporcionar una visiónmás clara de las características del subtipo hiperactivo. Este trabajo contribuye a reducir lasubjetividad en el diagnóstico y ofrece un enfoque prometedor para un diagnóstico más precisoy eficiente del TDAH
YR 2025
FD 2025
LK https://uvadoc.uva.es/handle/10324/79689
UL https://uvadoc.uva.es/handle/10324/79689
LA spa
NO Departamento de Teoría de la Señal y Comunicaciones e Ingeniería Telemática
DS UVaDOC
RD 14-nov-2025