Fusion de Datos y Gerencia de Sensores para Salud
Transcript of Fusion de Datos y Gerencia de Sensores para Salud
![Page 1: Fusion de Datos y Gerencia de Sensores para Salud](https://reader037.fdocuments.mx/reader037/viewer/2022110107/58ac83a51a28abad118b46cb/html5/thumbnails/1.jpg)
Fusión de Datos y Gerencia de Sensores en el Area de la Salud
Carlos Lollett Universidad Simón Bolívar
![Page 2: Fusion de Datos y Gerencia de Sensores para Salud](https://reader037.fdocuments.mx/reader037/viewer/2022110107/58ac83a51a28abad118b46cb/html5/thumbnails/2.jpg)
05/01/23 Carlos Lollett 2
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.
![Page 3: Fusion de Datos y Gerencia de Sensores para Salud](https://reader037.fdocuments.mx/reader037/viewer/2022110107/58ac83a51a28abad118b46cb/html5/thumbnails/3.jpg)
05/01/23 Carlos Lollett 3
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
![Page 4: Fusion de Datos y Gerencia de Sensores para Salud](https://reader037.fdocuments.mx/reader037/viewer/2022110107/58ac83a51a28abad118b46cb/html5/thumbnails/4.jpg)
05/01/23 Carlos Lollett 4
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.
Figure 1: The 1998 Revised JDL Data Fusion Model [8]
Background: Data Fusion
![Page 5: Fusion de Datos y Gerencia de Sensores para Salud](https://reader037.fdocuments.mx/reader037/viewer/2022110107/58ac83a51a28abad118b46cb/html5/thumbnails/5.jpg)
05/01/23 Carlos Lollett 5
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.
Figure 1: The 1998 Revised JDL Data Fusion Model [8]
Background: Data Fusion
![Page 6: Fusion de Datos y Gerencia de Sensores para Salud](https://reader037.fdocuments.mx/reader037/viewer/2022110107/58ac83a51a28abad118b46cb/html5/thumbnails/6.jpg)
05/01/23 Carlos Lollett 6
Modelo de Fusion de Datos
Nivel 2 Valoración de Situación: Combina la información sobre varias entidades y expone las relaciones relevantes entre ellas.
Figure 1: The 1998 Revised JDL Data Fusion Model [8]
Background: Data Fusion
![Page 7: Fusion de Datos y Gerencia de Sensores para Salud](https://reader037.fdocuments.mx/reader037/viewer/2022110107/58ac83a51a28abad118b46cb/html5/thumbnails/7.jpg)
05/01/23 Carlos Lollett 7
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.
Figure 1: The 1998 Revised JDL Data Fusion Model [8]
Background: Data Fusion
![Page 8: Fusion de Datos y Gerencia de Sensores para Salud](https://reader037.fdocuments.mx/reader037/viewer/2022110107/58ac83a51a28abad118b46cb/html5/thumbnails/8.jpg)
05/01/23 Carlos Lollett 8
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.
Figure 1: The 1998 Revised JDL Data Fusion Model [8]
![Page 9: Fusion de Datos y Gerencia de Sensores para Salud](https://reader037.fdocuments.mx/reader037/viewer/2022110107/58ac83a51a28abad118b46cb/html5/thumbnails/9.jpg)
05/01/23 Carlos Lollett 9
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
![Page 10: Fusion de Datos y Gerencia de Sensores para Salud](https://reader037.fdocuments.mx/reader037/viewer/2022110107/58ac83a51a28abad118b46cb/html5/thumbnails/10.jpg)
05/01/23 Carlos Lollett 10
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
![Page 11: Fusion de Datos y Gerencia de Sensores para Salud](https://reader037.fdocuments.mx/reader037/viewer/2022110107/58ac83a51a28abad118b46cb/html5/thumbnails/11.jpg)
05/01/23 Carlos Lollett 11
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)
![Page 12: Fusion de Datos y Gerencia de Sensores para Salud](https://reader037.fdocuments.mx/reader037/viewer/2022110107/58ac83a51a28abad118b46cb/html5/thumbnails/12.jpg)
05/01/23 Carlos Lollett 12
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)
![Page 13: Fusion de Datos y Gerencia de Sensores para Salud](https://reader037.fdocuments.mx/reader037/viewer/2022110107/58ac83a51a28abad118b46cb/html5/thumbnails/13.jpg)
05/01/23 Carlos Lollett 13
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)
![Page 14: Fusion de Datos y Gerencia de Sensores para Salud](https://reader037.fdocuments.mx/reader037/viewer/2022110107/58ac83a51a28abad118b46cb/html5/thumbnails/14.jpg)
05/01/23 Carlos Lollett 14
Técnicas de Aprendizaje
• Redes Neurales• Arboles de decisión• K-vecinos más cercanos• Redes Bayesianas (Naive Bayes)
![Page 15: Fusion de Datos y Gerencia de Sensores para Salud](https://reader037.fdocuments.mx/reader037/viewer/2022110107/58ac83a51a28abad118b46cb/html5/thumbnails/15.jpg)
05/01/23 Carlos Lollett 15
Método de Diagnóstico Incremental
Extracción de Características
Clasificador de Redes Bayesianas
Selección de Sensores
![Page 16: Fusion de Datos y Gerencia de Sensores para Salud](https://reader037.fdocuments.mx/reader037/viewer/2022110107/58ac83a51a28abad118b46cb/html5/thumbnails/16.jpg)
05/01/23 Carlos Lollett 16
Selección de Sensores
• Optimización general• Selección comparativa• Aquellos que ofrezcan mejor ventajas de acuerdo a
la situación estimada en las redes bayesianas
![Page 17: Fusion de Datos y Gerencia de Sensores para Salud](https://reader037.fdocuments.mx/reader037/viewer/2022110107/58ac83a51a28abad118b46cb/html5/thumbnails/17.jpg)
05/01/23 Carlos Lollett 17
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.