RT info:eu-repo/semantics/bachelorThesis
T1 Redes recurrentes profundas para el diagnóstico del TDAH en la infancia
A1 Álvarez Tavera, Paula
A2 Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de Telecomunicación
K1 TDAH
K1 Diagnóstico automático
K1 Deep Learning
AB El trastorno por déficit de atención e hiperactividad es un trastorno crónico y genético que se da principalmente en la infancia. Las técnicas actuales de diagnóstico de este trastorno se basan en pruebas incapaces de detectar la presencia del TDAH de forma objetiva. Debido a esto surge la necesidad de crear un sistema de diagnóstico imparcial y fiable. En este trabajo se describe un sistema que combina el uso de la actigrafía para obtener datos de un niño, junto con técnicas de Deep Learning para detectar la presencia de TDAH. Para poder llevar a cabo este modelo se han utilizado unidades de procesamiento gráfico o GPU. Los datos obtenidos del actígrafo se han clasificado en distintos periodos y divididos en actividades de diferente duración. Estos datos se transforman en imágenes mediante la técnica del espectrograma y se utilizan como la entrada de una red convolucional preentrenda. Esta red extrae las características espaciales, las cuales se emplean para entrenar una red recurrente que utiliza secuencias de las imágenes de un paciente para clasificar los datos. Estas redes analizan las dependencias temporales y pueden llevar a cabo el diagnostico.
YR 2020
FD 2020
LK http://uvadoc.uva.es/handle/10324/44434
UL http://uvadoc.uva.es/handle/10324/44434
LA spa
DS UVaDOC
RD 17-may-2024