IFLYSIB   05383
INSTITUTO DE FISICA DE LIQUIDOS Y SISTEMAS BIOLOGICOS
Unidad Ejecutora - UE
congresos y reuniones científicas
Título:
Estimación de datos faltantes mediante Redes Neuronales Artificiales Multicapa: aplicaciones en Morfometr ́ıa Geométrica
Autor/es:
C. MANUEL CARLEVARO; FEDERICO P. LOTTO
Lugar:
Buenos Aires
Reunión:
Otro; 103a Reunión de la Asociación Física Argentina; 2018
Institución organizadora:
Asociación Física Argentina
Resumen:
Las Redes Neuronales Artificiales (RNA) permiten la identificación y modelado de sistemas complejos y altamente no lineales. En particular, las topologías de tipo multicapa y la utilización de algoritmos convolucionales permiten aprender representaciones intermedias de los sistemas estudiados a partir conjuntos masivos de datos, extrayendo y combinando automáticamente subconjuntos de variables relevantes.El análisis de la forma a partir de coordenadas cartesianas, denominado Morfometría Geométrica, resulta de gran utilidad para la cuantificación de los cambios morfológicos que acompañan a diversos procesos biológicos. La forma de una determinada estructura se representa, así, mediante el registro de coordenadas sobre determinados puntos anatómicos. Los métodos utilizados requieren, sin embargo, que el conjunto de coordenadas sea completo, es decir, que no haya datos faltantes. Un registro incompleto, por ejemplo por preservación deficiente de un especímen, determinará la exclusión de dicho especímen del estudio. Existen actualmente dos técnicas para estimar, bajo determinadas condiciones, los datos faltantes: la recontrucción estadística y la geométrica. En el presente trabajo se propone la estimación de datos faltantes mediante RNA Multicapa. Estas topologías permiten representar sistemas altamente no lineales, característica que presenta la variabilidad morfológica de diversas estructuras anatómicas en el cráneo humano. Se evalúa, asimismo, la utilización de técnicas de data augmentation para entrenar RNA utilizando tamaños de muestra relativamente reducidos, un caso muy frecuente en estudios morfométricos. Finalmente, se comparan los resultados obtenidos en diferentes escenarios de aplicación sobre un conjunto de datos reales con los obtenidos mediante las técnicas existentes.p { margin-bottom: 0.25cm; line-height: 115%; background: transparent none repeat scroll 0% 0%; }