I Taller Internacional de Transformación Digital en la Salud
-
TENDENCIAS Y DESAFÍOS EN TECNOLOGÍAS SEMÁNTICAS PARA LA INTEGRACIÓN DE DATOS MÉDICOS HETEROGÉNEOS: ANÁLISIS CRÍTICO Y PERSPECTIVAS
Yandielys Reyes Plano
-
Método para el análisis longitudinal de biomarcadores en macroadenoma hipofisiario
David Alejandro Cabeza Cabrera
-
Modelo de Interoperabilidad en Salud: Plataforma Unificada de Telemedicina para el Sistema Sanitario Cubano
Ing. Isledy Gainza Martínez
-
Explainable Artificial Intelligence in Medical Image Analysis: A Focus on Dermatoscopic Diagnosis of Skin Cancer
Amanda Noris Hernández
-
Image Processing-based hybrid fusion scheme for PET-MRI Studies
Damián Socarrás Lima
-
Método para el diagnóstico automatizado del melanoma humano
Aynara Machado Tejeda
-
Reporte estructurado con firma digital en el sistema XAVIA PACS. Diseño para el sistema XAVIA PACSViewer 3.2
Arianne Méndez Mederos
-
Optimización de investigaciones clínicas con sistemas de salud interoperables
Yanssel Urquijo Morales
-
Desarrollo de la especialización de las Unidades de Cuidados Intensivos para el módulo Hospitalización del sistema XAVIA HIS.
Kleyris Edenia Torres Ramos
-
Plataforma web para la administración de contenedores Docker del sistema Xavia PacsServer
Dariannis Beltrán Jeréz
Graduada de Ingeniera en Ciencias Informáticas de la Universidad de las Ciencias Informáticas en diciembre del año 2024. Especialista y profesor adjunto en dicha universidad. Interesada en la línea de investigación sobre Inteligencia Artificial de la UCI y trabajando temas afines para su posterior superación profesional en posgrado.
Esta investigación se centra en la implementación un modelo de Redes Neuronales Artificiales (RNA) GraphSAGE para contribuir a la clasificación de personas según sus hábitos y estilos de vida. Se utiliza la metodología CRISP-DM (Cross-Industry Standard Process for Data Mining) para guiar el proceso de desarrollo; en la etapa de entendimiento del negocio se identificó la necesidad de contar con un modelo que permita clasificar a las personas de acuerdo a sus hábitos y estilos de vida, con el fin de ofrecer a futuro servicios y productos más personalizados que contribuyan a mejorar la calidad de vida de las personas, posteriormente se recopiló y preparó un conjunto de datos relevantes. Durante la Fase de Modelado se diseñó y entrenó un modelo de GraphSAGE utilizando técnicas de aprendizaje supervisado, el cual fue validado mediante métricas de desempeño que arrojaron resultados satisfactorios. Los principales resultados indican que el modelo desarrollado es capaz de clasificar con exactitud a las personas en función de sus hábitos y estilos de vida, lo que permite contar con una herramienta valiosa para la toma de decisiones estratégicas en diversos sectores.