Fusión de Datos y Gerencia de Sensores en el Area de la Salud

Views:
 
     
 

Presentation Description

No description available.

Comments

Presentation Transcript

Bienvenidos : 

Bienvenidos

Fusión de Datos y Gerencia de Sensores en el Area de la Salud : 

Fusión de Datos y Gerencia de Sensores en el Area de la Salud Carlos Lollett Universidad Simón Bolívar

Fusion de Datos : 

12/6/2010 Carlos Lollett 3 Fusion de Datos Definición: Es el proceso de combinar datos o informaciones para estimar o predecir los estados de entidades. Se busca maximizar el conocimiento mediante la combinación inteligente de varias fuentes. La gerencia de sensores es parte de este esfuerzo de optimización no solo del conocimiento obtenido sino del costo de obtenerlo.

Modelo de Fusion de Datos : 

12/6/2010 Carlos Lollett 4 Modelo de Fusion de Datos El modelo del Joint Directory Laboratory es un modelo de varios niveles interconectados. Figure 1: The 1998 Revised JDL Data Fusion Model [8] Background: Data Fusion

Modelo de Fusion de Datos : 

12/6/2010 Carlos Lollett 5 Modelo de Fusion de Datos Nivel 0 Valoración de Sub-Objeto: Combina los elementos crudos de las señales del ambiente para hacerlas más útiles en las etapas posteriores. Background: Data Fusion

Modelo de Fusion de Datos : 

12/6/2010 Carlos Lollett 6 Modelo de Fusion de Datos Nivel 1 Valoración de Objeto: Combina la información de la información de varios reportes acerca de entidades para discriminar entidades individuales y estimar sus propiedades. Background: Data Fusion

Modelo de Fusion de Datos : 

12/6/2010 Carlos Lollett 7 Modelo de Fusion de Datos Nivel 2 Valoración de Situación: Combina la información sobre varias entidades y expone las relaciones relevantes entre ellas. Background: Data Fusion

Modelo de Fusion de Datos : 

12/6/2010 Carlos Lollett 8 Modelo de Fusion de Datos Nivel 3 Valoración de Impacto: Combina las propiedades dentro y entre las entidades para categorizar la situación actual en términos de los posibles resultados. Background: Data Fusion

Modelo de Fusion de Datos : 

12/6/2010 Carlos Lollett 9 Modelo de Fusion de Datos Nivel 4 Refinamiento de Proceso: Planeamiento y manejo de recurso de los procesos de fusión de datos para mejorar el cumplimiento de las metas.

Flujo de datos en cada nivel : 

12/6/2010 Carlos Lollett 10 Flujo de datos en cada nivel Preparación de los datos(DP) Asociación de datos(DA) Generación de hipotesis Evaluación de la hipotesis Selección de la hipotesis Estimación de datos(DE) DP DA DE Nodo de Fusion de Datos

Gerencia de Sensores en Medicina : 

12/6/2010 Carlos Lollett 11 Gerencia de Sensores en Medicina En las aplicaciones médicas el objetivo principal es diagnósticar la enfermedad(es) de manera certera y oportuna. Anteriormente la tecnología limitaba el diagnóstico fuera del área hospitalaria y era un compromiso con la comodidad del paciente. Sensores menos invasivos y el desarrollo de la tecnología inalambrica conducen a una corresponsabilidad del paciente y el personal de salud en el manejo de sensores

Gerencia de Sensores. El Compromiso : 

12/6/2010 Carlos Lollett 12 Gerencia de Sensores. El Compromiso Aun con la avanzada tecnología el uso de sensores esta en compromisos con costos y la comodidad el paciente. Sensores(HOSPITAL)Sensores(PACIENTE)

Sistemas de apoyo de salud : 

12/6/2010 Carlos Lollett 13 Sistemas de apoyo de salud Objetivos: Determinar la valoración del paciente. Valorar y razonar sobre las expectativas de salud del paciente y recomendar posibles tratamiento. Tipos de datos: Datos fisiológicos Datos de contexto(historia médica)

Aprendizaje Estadístico : 

12/6/2010 Carlos Lollett 14 Aprendizaje Estadístico Fuentes de datos se traducen en características(features) como rangos dinámicos, medias, desviaciones estandar, correlaciones, etc. Dominios de Análisis: Tiempo (baja frecuencia de muestreo) Frecuencia (alta frecuencia de muestreo)

Técnicas de Aprendizaje : 

12/6/2010 Carlos Lollett 15 Técnicas de Aprendizaje Redes Neurales Arboles de decisión K-vecinos más cercanos Redes Bayesianas (Naive Bayes)

Método de Diagnóstico Incremental : 

12/6/2010 Carlos Lollett 16 Método de Diagnóstico Incremental Extracción de Características Clasificador de Redes Bayesianas Selección de Sensores

Selección de Sensores : 

12/6/2010 Carlos Lollett 17 Selección de Sensores Optimización general Selección comparativa Aquellos que ofrezcan mejor ventajas de acuerdo a la situación estimada en las redes bayesianas

Conclusiones : 

12/6/2010 Carlos Lollett 18 Conclusiones Fusion de Datos ayudar a coordinar las informaciones de varias fuentes de diagnóstico La gerencia de sensores permite optimizar incrementalmente la utilidad en términos de detección certera, oportuna y los menos incomoda para el paciente.

authorStream Live Help