• español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Parcourir

    Tout UVaDOCCommunautésPar date de publicationAuteursSujetsTitres

    Mon compte

    Ouvrir une session

    Statistiques

    Statistiques d'usage de visualisation

    Compartir

    Voir le document 
    •   Accueil de UVaDOC
    • PROJET DE FIN D'ÉTUDES
    • Trabajos Fin de Grado UVa
    • Voir le document
    •   Accueil de UVaDOC
    • PROJET DE FIN D'ÉTUDES
    • Trabajos Fin de Grado UVa
    • Voir le document
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano

    Exportar

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis

    Citas

    Por favor, use este identificador para citar o enlazar este ítem:https://uvadoc.uva.es/handle/10324/47170

    Título
    Análisis del estado del arte de Machine Learning en emergencias sanitarias
    Autor
    Robles Mendo, Inés
    Director o Tutor
    Torre Díez, Isabel de laAutoridad UVA
    Editor
    Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de TelecomunicaciónAutoridad UVA
    Año del Documento
    2021
    Titulación
    Grado en Ingeniería de Tecnologías Específicas de Telecomunicación
    Résumé
    Las emergencias sanitarias son una modalidad de medicina que actúa sobre una urgencia médica o sobre cualquier enfermedad en su momento agudo. Cualquier tipo de respuesta a una urgencia médica dependerá de la situación, del paciente y de los recursos disponibles para poder atenderlo. También variará si la urgencia sucede dentro o fuera de de un hospital. El aprendizaje automático o Machine Learning trata de desarrollar técnicas que permitan que las máquinas aprendan. Hoy en día, el Machine Learning es empleado principalmente en el campo de la medicina preventiva, entre otros. El objetivo en el que se centra este Trabajo Fin de Grado es llevar a cabo un análisis del estado del arte de soluciones de Machine Learning empleadas en emergencias sanitarias, con el fin de proponer nuevas líneas de investigación en este subcampo. Para lograr este objetivo, se ha realizado una búsqueda exhaustiva en artículos científicos y en aplicaciones móviles disponibles.
     
    Health emergencies are a form of medicine that deals with a medical emergency or any disease in its acute phase. Any type of response to a medical emergency will depend on the situation, the patient and the resources available to care for the patient. It will also vary whether the emergency happens inside or outside a hospital. Machine learning tries to develop techniques that allow machines to learn. Nowadays, this technique is mainly used in the field of preventive medicine, among others. The objective of this Final Degree Project is to carry out an analysis of the state of the art of Machine Learning solutions used in health emergencies, with the aim of proposing new lines of research in this subfield. In order to achieve this objective, an exhaustive search has been carried out in scientific articles and available mobile applications.
    Palabras Clave
    Aprendizaje automático
    Aprendizaje profundo
    eHealth
    Idioma
    spa
    URI
    https://uvadoc.uva.es/handle/10324/47170
    Derechos
    openAccess
    Aparece en las colecciones
    • Trabajos Fin de Grado UVa [30946]
    Afficher la notice complète
    Fichier(s) constituant ce document
    Nombre:
    TFG-G4818.pdf
    Tamaño:
    1.830Mo
    Formato:
    Adobe PDF
    Thumbnail
    Voir/Ouvrir
    Attribution-NonCommercial-NoDerivatives 4.0 InternacionalExcepté là où spécifié autrement, la license de ce document est décrite en tant que Attribution-NonCommercial-NoDerivatives 4.0 Internacional

    Universidad de Valladolid

    Powered by MIT's. DSpace software, Version 5.10