Ver el código de «Proyecto Ministerio Ciencia e Innovacion PID2020-116346GB-I00»


[[Imagen:Logo ministerio.png|500px]]

Título Proyecto: AVANCES EN TECNICAS DE INTELIGENCIA COMPUTACIONAL PARA EL PROCESO DE SENSORES MULTIPLES PORTABLES PARA APLICACIONES BIOMEDICAS, EN NEUROCIENCIAS Y DE INTERACCION ROBOTICA

Codigo:  PID2020-116346GB-I00/ MICIN/AEI/10.13039/501100011033 


Financiación Costos Directos + Costos Indirectos: 174.482,00€

Duración: 3 años, 1-09-2021 a 31-08-2024 concedida prorróga de 1 año la ejecución del proyecto termina en 31-08-2025


INVESTIGADORES/AS PRINCIPAL/ES:

MANUEL GRAÑA ROMAY

PERSONAS QUE FIGURAN EN EL EQUIPO DE INVESTIGACIÓN:

#JAVIER DE LOPE ASIAIN (UPM)
#MARIA PILAR MARTINEZ BLANCO
#ANA ISABEL BOYANO MURILLO 
#FRANCISCO JAVIER BASOGAIN OLABE
#JAVIER SANCHO SAIZ 
#JESUS MARIA LARRAÑAGA LESACA
#JOSE ANTONIO RAMOS HERNANZ
#IGOR ANSOATEGUI BELATEGUI 
#LEYRE TORRE TOJAL
#JULIAN ESTEVEZ SANZ
#ASIER GARMENDIA MUJIKA
#BORJA FERNANDEZ GAUNA
#JOSU MAIORA ORIA
#JOSE DAVID NUÑEZ GONZALEZ 
#EKAITZ ZULUETA GUERRERO
#MIREN JOSUNE GALLEGO MERINO 
#ANA ISABEL GONZALEZ ACUÑA 
#FRANCISCO XABIER ALBIZURI IRIOGYEN
#JOSE MANUEL LOPEZ GUEDE 

 


Resumen del proyecto:

Las tecnicas de inteligencia computacional (IC) basadas en datos han adquirido un rol preponderante en el analisis e interpretación de datos de sensores como son cámaras ópticas, LiDAR, sensores inerciales portables, y sensores fisiologicos portables, especialmente registros electroencefalograficos (EEG), y una amplia variedad de aparatos de imagen medica. Actualmente, las tecnicas de aprendizaje profundo constituyen el area principal de la inteligencia artificial (IA) proporcionando soluciones en todo el espectro de problemas de IA. Estamos especificamente interesados en los desarrollos de aprendizaje profundo relacionados con el aprendizaje por refuerzo profundo para control y toma de decisiones, y las redes adversariales generativas, las redes neuronales de grafos, y las redes profundas semanticas como paradigmas prometedores para el analisis e interpretacion de señales multisensor sincronizadas que surgen en nuestro dominio de aplicacion preferente, que es el analisis correlacionado de la actividad neuronal y la observación del comportamiento de humanos y de modelos animales. Este campo se puede identificar como neuroetologia computacional. En breve, pretendemos medir quantitativamente el movimiento del cuerpo para extraer caracteristicas externas del comportamiento, en sincronia con la medida de la actividad neuronal. Nos beneficiamos de desarrollos reciente de EEG y sistemas de medida inercial portables con conexión inalambrica, asi como camaras LiDAR precisas y de corto alcance, ideales para nuestros trabajos. El proyecto se dedicará al desarrollo de soluciones tenicas para la realizacion de experimentos y medidas, y herramientas computacionales basadas en aprendizaje profundo. Colaboraremos con los miembros del equipo de trabajo en el diseño y construccion de arenas experimentales.
Aplicaremos metodos computacionales avanzados al analisis de datos obtenidos de modelos animales que han sido desarrollados por la comunidad cientifica para evaluar cuantitativamente el efecto de drogas o experimentos cognitivos. Los trabajos experimentales reales se realizarán en las instituciones de los colaboradores externos, bajo supervisión de sus respectivos comites eticos. Datos de modelos animales pueden provenir de MI Carreño, University of Montreal, U Liberal, UPV/EHU, R Angulo, Universidad OHiggings (Chile). Desarrollaremos prototipos de sistemas para humanos que podran ser aplicados a la ayuda al diagnosis diferencial de desordenes de comportamiento, como condiciones del espectro autista, enfermedades neurodegenerativas, y el proceso de envejecimiento general. En la actual pandemia COVID-19 podrían ser utilizados para evaluar los daños neurologicos y su impacto en el comportamiento que parece inflingir el coronavirus a algunos sujetos.
Ademas, exploraremos la interaccion humano-robot mejorada neuroetologicamente, en la que la parte robotica tiene en cuenta informacion neuronal y de comportamiento para modular la interaccion maximizando la seguridad. Colaboraremos con A Lekova de IR- BAS Bulgaria en el estudio del impacto de la interaccion robotica con niños que padecen desordenes de comunicacion. Tambien colaboraremos en este ambito con T Hashimoto (JAIST) y H Wagatsuma (Kyutech) de Japón.
Finalmente, consideraremos la observacion neuroetologica de interacciones sociales humanas en entornos no estructurados y en entornos mediados por juegos de computadora. Esta herramienta ayudara en el analisis de desordenes de comportamiento social