Física Biomédica (plan 2015) 2021-2

Temas Selectos de Instrumentación Biomédica 2021-2

Introducción a las técnicas de Machine Learning en Biomedicina

Física Biomédica (Optativa Área Ciencias Médicas y de la Salud)

Profesor a cargo: M. en C. José Eduardo Chairez Veloz

Horario: Viernes 7:00-10:00 am (tentativo)

Motivación:

En el ámbito biomédico, gran parte de los instrumentos empleados para el monitoreo de variables fisiológicas, suministro de fármacos, cauterización, rehabilitación, etc., requieren señales de realimentación que permitan llevar a cabo tareas de ajuste automático, calibración, toma de decisiones, entre otras, por lo que las acciones de pre-procesamiento y control juegan un papel sumamente importante en este sector. Además, la inminente inmersión de tecnologias digitales que involucran sistemas embebidos (portables) como microntroladores y tarjetas de desarollo, obligan la integración de técnicas de inteligencia artificial que mejoren el desempeño ante cambios que ocurran a nivel sistemico. En esta dirección, este curso surge para proporcionar al estudiante las bases preliminares (teóricas y de simulación) para el diseño de diferentes controladores digitales que se adecuen a las necesidades del sistema biomédico sobre el que se busca implementar, así como también técnicas pre y post-procesamiento que conlleven el uso de inteligencia artifical para optimizar su desempeño

Temario del curso:

1. Introducción al Machine Learning
2. Técnicas de preprocesamiento digital de señales
3. Aprendizaje supervisado: 3.1. Regresión lineal univariable y multivariable, 3.2. Regresión logística, 3.3. Regularización, 3.4. Redes Neuronales, 3.5. Set de validación, análisis de varianza y curvas de aprendizaje, 3.6. Métricas de error y clases distorsionadas, 3.7. Funciones de optimización y clasificación de márgenes amplios, 3.8. Support Vector Machine
4. Aprendizaje no supervisado: 4.1. k-Means y k-Medoids, 4.2. Funciones de optimización e inicialización aleatoria, 4.3. Análisis de componentes principales
5. Detección de anomalías y sistemas de recomendación
6. Machine Learning para sistemas de larga escala
7. Proyecto Final de Aplicación Biomédica

Bibliografía sugerida:

• Rusell, Rudolph, Machine Learning, 2da Edición, Prentice Hall.

• Mohammed, Mohssed., Machine Learning, 3ra Edición, CRC Press.

Información adicional del curso:

• La plataforma que se utilizará es G-suite (google): classroom, meet, jamboard, Drive.
• Los temas de los diferentes módulos se irán publicando conforme avance el semestre, los cuales incluirán videos, presentaciones, lecturas, ejercicios y tareas.
• El calendario de entrega de tareas, trabajos de investigación, se publicará durante el semestre.
• Se realizará sesiones de asesorías virtuales en horario de clase (no habrá clases presenciales).

• La primer reunión informativa se llevará a cabo el día Viernes 26 de Febrero a las 9:00 am en el siguiente enlace:
  https://meet.google.com/lookup/dtxpsyqf2d
• Los entregables del curso consisten en: Simulaciones, tareas, lectura y discusión de articulos.
• Los porcentajes de evaluación son los siguientes:

Asesorías:

Los medios de comunicación para dudas serán los Lunes y Miércoles y se resolverán durante las asesorías virtuales. Adémas, el medio de comunicación directa inmediata será a través de Hangouts.