Examinando por Autor "Gil González, Julián"
  • Documento
    A methodology for peripheral nerve segmentation using a multiple annotators approach based on Centered Kernel Alignment
    (Pereira : Universidad Tecnológica de Pereira, 2016) Gil González, Julián ; Orozco Gutiérrez, Álvaro Ángel
    Peripheral Nerve Blocking (PNB) is a technique commonly used to perform regional anesthesia and for pain management. The success of PNB procedures depends on the accurate location of the target nerve. Recently, ultrasound imaging has been widely used to locate nerve structures to carry out PNB, due to it enables a non-invasive visualization of the target nerve and the anatomical structures around it. However, the ultrasound images are affected by several artifacts making difficult the accurate delimitation of nerves. In the literature, several approaches have been proposed to carry out automatic or semi-automatic segmentation. Nevertheless, these methods are designed assuming that the gold standard is available, and for this segmentation problem this gold standard can not be obtained considering that it corresponds to subjective interpretation. In this sense, for building those segmentation models, we do not have access to the actual label but an amount of subjective annotations provided by multiple experts. To deal with this drawback we use the concepts of a relatively new area of machine learning known as “Learning from crowds”, this area deals with supervised learning problems considering the case when the gold standard is not available. In this project, we develop a nerve segmentation system that includes: a preprocessing stage, feature extraction methodology based on adaptive methods, and a Centered Kernel Alignment (CKA) based representation to measure the annotators performance for building a classifier with multiple annotators in order to support peripheral nerve segmentation. Our approach to classification with multiple annotators based on CKA is tested on both simulated data and real data; similarly, the methodology of automatic segmentation proposed in this work was tested over ultrasound images labeled by a set of specialists who give their opinion about the location of nerve structures. According to the results, we conclude that our methodology can be used to locate nerve structures in ultrasound images even if the gold standard (the actual location of nerve structures) is not available in the training stage. Moreover, we determine that the approach proposed in this work could be implemented as a guiding tool for the anesthesiologist to carry out PNB procedures assisted by ultrasound imaging.
  • Documento
    A supervised learning framework in the context of multiple annotators
    (Pereira: Universidad Tecnológica de Pereira, 2021) Gil González, Julián ; Álvarez Meza, Andrés Marino
    The increasing popularity of crowdsourcing platforms, i.e., Amazon Mechanical Turk, is changing how datasets for supervised learning are built. In these cases, instead of having datasets labeled by one source (which is supposed to be an expert who provided the absolute gold standard), we have datasets labeled by multiple annotators with different and unknown expertise. Hence, we face a multi-labeler scenario, which typical supervised learning models cannot tackle. For such a reason, much attention has recently been given to the approaches that capture multiple annotators’ wisdom. However, such methods residing on two key assumptions: the labeler’s performance does not depend on the input space and independence among the annotators, which are hardly feasible in real-world settings...
  • Documento
    Comparación de técnicas de clasificación de múltiples anotadores para la valoración automática de la calidad de voz
    (Pereira : Universidad Tecnológica de Pereira, 2014) Echeverri Valencia, Tomás ; Gil González, Julián
    Actualmente se han hecho más comunes los problemas que afectan la voz. La medicina ha desarrollado técnicas que evalúan la calidad de voz, con el propósito de detectar patologías asociadas al aparato fonador, específicamente aquellas que afectan las cuerdas vocales. Entre las técnicas desarrolladas se identifican principalmente dos enfoques: el análisis acústico y el análisis perceptivo. Estas técnicas presentan algunos inconvenientes: para el análisis acústico se debe contar con las etiquetas verdad as para definir los patrones de comparación, por otro lado el análisis perceptivo presenta subjetividad en las valoraciones. Estos problemas pueden ser minimizados usando técnicas de aprendizaje supervisado con múltiples anotaciones. En este sentido, se expone el desarrollo de un sistema de valoración automática de la calidad de voz bajo el protocolo GRBAS y basado en técnicas de aprendizaje de máquina para múltiples anotadores. En la etapa de aprendizaje automático para múltiples anotadores, se comparan dos tipos de técnicas, una de ellas basada en Procesos Gaussianos [1], la otra se basa en un modelo de Regresión Logística Multiclase que tiene en cuenta la sensibilidad y especificidad de cada anotador [2]. Las señales de voz se caracterizan usando los coeficientes cepstrales en la escala de frecuencias Mel. La comparación de las técnicas de clasificación nombradas se efectúa en términos de precisión y de las curvas ROC. Los resultados muestran que el clasificador con mejor desempeño para tareas de valoración de la calidad de voz es aquel basado en Procesos Gaussianos, el cual obtuvo un AUC promedio de 0,59 mientras que el clasificador basado en regresión logística multiclase alcanzó un AUC promedio de 0,55. Además los resultados de los experimentos indican que el clasificador de múltiples anotadores basado en Procesos Gaussianos obtuvo mejor rendimiento que los clasificadores típicos que usan “majority voting” para calcular la etiqueta verdadera a partir de las anotaciones.
  • Documento
    Development of a methodology for the diagnosis of internal combustion engines using non-invasive measurements based on the use of interpretable neural networks applicable to databases with multiple annotators
    (Universidad Tecnológica de Pereira, 2022) Valencia Duque, Andrés Felipe ; Gil González, Julián
    Pressure is one of the essential variables that give information for engine condition and monitoring. Direct recording of this signal is complex and invasive, while the angular velocity can be measured easily. Nonetheless, the challenge is to predict the cylinder pressure using the shaft kinematics accurately. On the other hand, the increasing popularity of crowdsourcing platforms, i.e., Amazon Mechanical Turk, changes how datasets for supervised learning are built. In these cases, instead of having datasets labeled by one source (which is supposed to be an expert who provided the absolute gold standard), databases holding multiple annotators are provided. However, most state-of-the-art methods devoted to learning from multiple experts assume that the labeler's behavior is homogeneous across the input feature space. Besides, independence constraints are imposed on annotators' outputs. This document presents a Regularized Chained Deep Neural Network to deal with classification tasks from multiple annotators. In this thesis, we develop 2 strategies aiming to avoid intrusive techniques that are commonly used to diagnose Internal Combustion Engines (ICE). The first consist of a time-delay neural network (TDNN), interpreted as a finite pulse response (FIR) filter to estimate the in-cylinder pressure of a single-cylinder ICE from fluctuations in shaft angular velocity. The experiments are conducted over data obtained from an ICE operating in 12 different states by changing the angular velocity and load. The TDNN's delay is adjusted to get the highest possible correlation-based score. Our methodology can predict pressure with an R2>0.9, avoiding complicated pre-processing steps. The second technique, termed RCDNN, jointly predicts the ground truth label and the annotators' performance from input space samples. In turn, RCDNN codes interdependencies among the experts by analyzing the layers' weights and includes l1, l2, and Monte-Carlo Dropout-based regularizers to deal with the overfitting issue in deep learning models. Obtained results (using both simulated and real-world annotators) demonstrate that RCDNN can deal with multi-labelers scenarios for classification tasks, defeating state-of-the-art techniques.
  • Documento
    Identificación automática de nervios periféricos usando técnicas de aprendizaje automático y modelos de forma y apariencia
    (Pereira : Universidad Tecnológica de Pereira, 2018) Valencia Duque, Andrés Felipe ; Gil González, Julián
    En este trabajo se presenta una herramienta para la segmentación automática de estructuras nerviosas en imágenes de ultrasonido, la cual tiene como finalidad servir como asistencia para los anestesiólogos en procedimientos de bloqueo de nervios periféricos o PNB por sus siglas en inglés (Peripheral Nerve Blocking). La idea principal de este trabajo es automatizar un modelo de forma y apariencia, el cual requiere de la inicialización por parte de un experto. Esta automatización se lleva a cabo a partir de un modelo de clasificación basado en máquinas de soporte vectorial (SVM), el cual define de manera automática una región de interés (ROI) donde encuentra una estructura nerviosa. Esta ROI es posteriormente usada para la inicialización del modelo de forma y apariencia nombrado anteriormente. La metodología propuesta es probada sobre una base de datos compuesta por imágenes de ultrasonido correspondientes a los nervios cubital y mediano. Los resultados obtenidos comprueban que la metodología propuesta permite de manera automática identificar estructuras nerviosas en imágenes de ultrasonido.
  • Documento
    Reconocimiento de edad con corrección de pose basado en técnicas de aprendizaje de máquina.
    (Pereira: Universidad Tecnológica de Pereira, 2020) Fresneda Hernández, David Stiven ; Orrego Hurtado, César Augusto ; Gil González, Julián
    El presente trabajo tiene como fin realizar una metodología que permite llevar a cabo un reconocimiento de edad con corrección de pose basado en técnicas de aprendizaje de máquina a partir de imágenes. Estas imágenes son introducidas al sistema el cual determina un intervalo de edad para la persona en cuestión; esto con el fin de brindar una herramienta tecnológica que permita recolectar información como los gustos, edad, tendencias, ideologías, entre otras características, permitiendo su implementación e incursión en diversas aplicaciones como transporte, medicina, control de accesos, entretenimiento para la selección del contenido, el marketing; entre otras áreas…