Tesis "Modelo de aprendizaje multimodal aplicado al diagnóstico de padecimientos clínicos"
Sustentante: Hernán Guillermo Dulcey Morán
Directores: Dr. Hiram Galeana Zapién, Cinvestav Unidad Tamaulipas y Dr. Edwin Javier Aldaba Bobadilla, Conacyt - Cinvestav Unidad Tamaulipas.
Sinodales: Dr. José Luis González Compeán, Cinvestav Unidad Tamaulipas; Dr. Hiram Galeana Zapién, Cinvestav Unidad Tamaulipas; Dr. Edwin Javier Aldaba Bobadilla, Conacyt - Cinvestav Unidad Tamaulipas; Dr. Alejandro Molina Villegas, Centro de Investigación en Ciencias de Información Geoespacial, A.C.
Resumen:
La interpretación de fenómenos del mundo real, usualmente involucra el análisis de múltiples fuentes de información denominadas modalidades. Por ejemplo, muchos fenómenos involucran imágenes que tienen asociados textos que en conjunto describen un problema de interés. Típicamente cada modalidad es analizada y caracterizada independientemente con el objetivo de encontrar un modelos separados que describan el problema. En este trabajo, proponemos un enfoque que es capaz de extraer las características de varias modalidades y obtener una representación unificada que puede ser usada para obtener un modelo que describa el problema de manera conjunta. Con base en una experimentación exhaustiva nuestra propuesta mostró un desempeño prometedor en comparación con enfoques existentes, en términos de capacidad predictiva y eficiencia computacional.
Como caso de estudio, utilizamos imágenes médicas y notas clínicas con el propósito de obtener una representación unificada de los datos para entrenar una red neuronal que permite el apoyar el diagnóstico clínico de un conjunto de pacientes.