Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12008/46782
MetadatoEtiquetaValorIdioma
dc.contributor.advisor Tutor Larroca, Federico-
dc.contributor.advisor Tutor Musé, Pablo-
dc.contributor.author Autor Schmidt, Martín-
dc.contributor.author Autor Silva, Sara-
dc.contributor.filiacion Filiación Schmidt Martín, Universidad de la República (Uruguay). Facultad de Ingeniería.-
dc.contributor.filiacion Filiación Silva Sara, Universidad de la República (Uruguay). Facultad de Ingeniería.-
dc.date.accessioned Fecha ingreso 2024-11-05T12:51:41Z-
dc.date.available Fecha disponible 2024-11-05T12:51:41Z-
dc.date.issued Año de publicación 2024-
dc.description.abstract Resumen El cerebro ha sido objeto de numerosas investigaciones debido a su importancia crítica en los procesos cognitivos y emocionales, así como en la comprensión del ser humano y sus comportamientos. Gran parte de este estudio se basa en la observación de las conexiones entre distintas regiones de interés (ROIs, por su sigla en inglés), abarcando tanto las conexiones anatómicas (estructurales) como las regiones con patrones de actividad similares (funcionales). Con el avance de técnicas de medición de la actividad y la conexión estructural cerebral no invasivas, como la resonancia magnética, el estudio de las conexiones cerebrales ha ganado relevancia, y se han desarrollado numerosas técnicas para su análisis. En particular, estas conexiones entre ROIs se representan en la literatura en forma de grafos para su análisis, a los cuales se les llama conectomas. En este trabajo, se hizo énfasis en el problema de clasificación de género a partir de los conectomas. Se obtuvieron resultados estado del arte, de 94,1% de acierto, con una arquitectura de encoder-decoder con una doble función de costo: reconstrucción del grafo funcional a partir del estructural y clasificación que fueron complementadas con técnicas de contrastive learning con métodos clásicos de data augmentation. A su vez, se evaluó la relación entre el grafo funcional y estructural, y su importancia relativa para la clasificación. Dado que es un problema de clasificación de grafos sin señal, se estudiaron distintos embeddings espectrales para utilizar como señal en los grafos y se comparó con la opción más utilizada en la literatura, que es el one-hot encoding. Finalmente, se propuso una herramienta de interpretabilidad inspirada en CAM (Class Activation Mapping) que permite reflejar las decisiones de la red en áreas específicas del cerebro, facilitando la comprensión de los patrones utilizados para la clasificación.es
dc.format.extent Extensión 153 p.es
dc.format.mimetype Formato application/pdfes
dc.identifier.citation Citación Schmidt, M. y Silva, S. Clasificación de conectomas basado en el análisis mediante redes neuronales en grafos [en línea]. Tesis de grado. Montevideo : Udelar. FI. IIE, 2024.es
dc.identifier.uri URI https://hdl.handle.net/20.500.12008/46782-
dc.language.iso Idioma eses
dc.publisher Editorial Udelar.FIes
dc.rights Derechos Las obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)es
dc.rights.licence Licencia Atribución/Reconocimiento-NoComercial-SinDerivados 4.0 Internacionales
dc.rights.uri Uri de la licencia https://creativecommons.org/licenses/by-nc-nd/4.0/-
dc.subject Palabras clave Region of interest (ROI)es
dc.subject Palabras clave Class Activation Mapping (CAM)es
dc.title Título Clasificación de conectomas basado en el análisis mediante redes neuronales en grafos.es
dc.type Tipo de documento Tesis de gradoes
thesis.degree.grantor Facultad o Servicio que otorga el Título Universidad de la República (Uruguay). Facultad de Ingeniería.es
thesis.degree.name Título Obtenido Ingeniero Electricistaes

Colecciones:

FicherosDescripciónTamañoFormato
SS24.pdf Tesis de grado 17.73 MB Adobe PDF

Licencia Creative Commons:

Excepto donde se indique lo contrario, la licencia de este ítem se describe como Atribución/Reconocimiento-NoComercial-SinDerivados 4.0 Internacional