Search

[Resumen] Las terapias personalizadas han demostrado ser capaces de ralentizar la evolución de la esclerosis múltiple, mejorando así la calidad de vida de aquellas personas que la padecen. Sin embargo, en su diseño es fundamental conocer el estado funcional de cada paciente y detectar cuanto antes los cambios que ocurran en él. Dados los inconvenientes de las técnicas tradicionales de evaluación, estudios recientes han propuesto monitorizar la marcha de los pacientes, para así poder extraer indicadores relevantes y ayudar a los especialistas en dicha labor. En este estudio, se propone una metodología basada en técnicas de aprendizaje automático, cuyo objetivo es detectar los cambios en el estado funcional de las personas con esclerosis múltiple, partiendo de los datos que proporciona una contera sensorizada. Teniendo en cuenta la variabilidad que existe entre pacientes, el diseño propuesto se centra en un enfoque individualizado, que caracteriza el estado de cada individuo utilizando sus propios datos. La metodología propuesta ha sido validada en tres personas con esclerosis múltiple, obteniendo un porcentaje de aciertos medio del 88.9 %., [Abstract] Personalized therapies have proven to be effective in slowing the progression of multiple sclerosis, thereby improving the quality of life of those people suffering from it. However, the design of such therapies requires knowledge of the patient’s functional state and early detection of changes that may occur. Given the drawbacks of traditional assessment techniques, recent studies have proposed monitoring patients’ gait in order to extract relevant indicators and assist specialists in this task. Given this situation, this study proposes a machine learning-based methodology, which aims to detect changes in the functional state of people with multiple sclerosis based on the data provided by a sensorized tip. Taking into account the variability that exists among patients, the proposed design focuses on an individualized approach, which characterizes the state of each individual using only his/her own data. The proposed methodology has been validated in three people with multiple sclerosis, obtaining an average accuracy of 88.9 %.

[Resumen] En este trabajo se explora una nueva estrategia de entrenamiento supervisado con Redes Neuronales de Impulsos (Spiking Neural Network, SNN) para forecasting en series temporales. En la actualidad, la inmensa mayoría de los trabajos en SNN se centran principalmente en problemas de clasificación, muy especialmente de imágenes. En este sentido, el trabajo aquí presentado es uno de los primeros trabajos en aplicar SNN para forecasting de series temporales, siendo los resultados muy prometedores. Para validar la metodología se han empleado dos bases de datos: información bursátil de IBM, y señales EEG. Entre los resultados, se demuestra que el rendimiento de la SNN depende, como cabía esperar, de la dinámica de la señal o serie temporal a predecir., [Abstract] This article proposes a new supervised training strategy with Spiking Neural Networks (SNN) for time series forecasting. Currently, the vast majority of work on SNN is focused on classification tasks, especially image classification. In this sense, this paper is one of the first works to apply SNN for time series forecasting, whose results are very promising. Two benchmark datasets have been used to validate the methodology: IBM stock market information and EEG signals. Among the results, it is shown that the performance of SNN depends, as expected, on the dynamic of the signal or time series to be forecast.

[Resumen] Las terapias personalizadas han demostrado ser eficaces para mejorar las capacidades físicas, y por tanto, la calidad de vida de las personas con problemas de movilidad. Sin embargo, para diseñar dichas terapias, es necesario conocer el estado funcional de cada paciente y detectar los cambios que puedan ocurrir en él. Los sistemas tradicionales de evaluación suelen requerir tiempo y dedicación por parte de los especialistas, por lo que la periodicidad entre las sesiones suele ser elevada. Ante esta problemática, varios estudios han propuesto emplear dispositivos de ayuda técnica como sistemas de monitorización para extraer indicadores que ayuden al terapeuta en dicha evaluación. En base a ello, en este trabajo, se evalúa la capacidad de una contera sensorizada para detectar cambios en el patrón personal de marcha, tanto en escenarios simulados, como en personas con esclerosis múltiple., [Abstract] Personalized therapies have proven to be effective in improving the physical abilities, and therefore, the quality of life of people with motor impairments. However, in order to design such therapies, it is necessary to know the functional state of each patient and to detect any changes that may occur. Traditional assessment systems require time and dedication, so the frequency between sessions is often low. In order to overcome these limitations, several studies have proposed the use of assistive devices for walking as monitoring systems to extract indicators that can help the therapist in the assessment. Based on this, the present study evaluates the capacity of a sensorized tip to detect changes in the gait pattern, both in simulated scenarios and in people with multiple sclerosis.