US DE COOKIES
Utilitzem cookies necessàries de sistema per al correcte funcionament de la web i cookies opcionals de Google Analytics per obtenir estadístiques de visita.
 +info

Configuració cookies

  • Necessàries

    Les cookies necessàries són absolutament essencials perquè el lloc web funcioni correctament. Aquesta categoria només inclou galetes que garanteixen funcionalitats bàsiques i funcions de seguretat del lloc web. Aquestes cookies no emmagatzemen cap informació personal.

    NomProveïdorPropietatFinalitatCaducitat+info
    _GRECAPTCHAgoogle.comPropiaProveir protecció antispam amb el servei reCaptcha6 mesos
    cc_cookie_acceptfidmag.orgPropiaUsada per confirmar que l'usuari ha confirmat / refusat les cookies (i quins tipus accepta)1 any
    WEB_SESSIONfidmag.orgPropiaCookie técnica: cookie de sessió PHP. Guarda l'id de sessió d'usuari.al acabar la sessió

  • Anàlisi

    Les cookies analítiques s'utilitzen per entendre com interactuen els visitants amb el lloc web. Aquestes cookies ajuden a proporcionar informació sobre mètriques, el nombre de visitants, el percentatge de rebots, la font del trànsit, etc.

    NomProveïdorPropietatFinalitatCaducitat+info
    _gaGoogle AnalyticsDe tercersCookie d'anàlisi o mesurament: Identifica els usuaris i proporciona informació sobre com els usuaris troben la pàgina web i com la utilitzen per a realització d'Informes estadístics2 anys
    _gat_gtag_UA_141706552_1Google AnalyticsDe tercersCookie d'anàlisi o mesurament: Tracking per part de google per google analytics1 minut
    _gidGoogle AnalyticsDe tercersCookie d'anàlisi o mesurament: S'usa per limitar el percentatge de sol·licituds24 hores

ConfigurarRebutjar totesAcceptar

Títol

Predicció de l'evolució d'un primer episodi psicòtic mitjançant algorismes multientrada d'aprenentatge profund

Resum

Objectius: Els algorismes d'aprenentatge profund (deep learning, DL) estan a la base de la major part dels èxits en intel·ligència artificial aconseguits en aquests darrers anys. Aquest projecte té com a objectiu aprofitar la capacitat que tenen aquests algorismes per combinar dades de naturalesa diferent i per servir-se de models prèviament ajustats amb dades similars per fer prediccions sobre l'evolució de pacients que pateixen un primer episodi psicòtic (First episode of psychosis, FEP) . En concret, es crearan algorismes DL a partir de dades de diferent naturalesa presos en el moment del primer episodi que seran combinats amb models DL prèviament ajustats a dades històriques de pacients amb esquizofrènia i trastorn bipolar, amb la intenció de predir el diagnòstic definitiu, els nivells d afectació clínica i la funcionalitat presents als sis mesos ia l any de la visita basal.

Metodologia: En una mostra de N=200 primers episodis de recent ingrés es prendran imatges cerebrals de MRI funcional, estructural i de difusió, imatges d'empremtes dactilars, dades genètiques de polimorfismes anteriorment relacionades amb la psicosi i escales clíniques i de cognició. Aquestes dades es combinaran amb un gran nombre de dades històriques de naturalesa similar disponibles a les nostres institucions per generar els algorismes DL de predicció.

Import de l'ajuda

75.020,00 €

Finançador

Instituto de Salud Carlos III, amb el cofinançament del Fons Eurou de Desenvolupament Regional "Una forma de fer Europa"

 

Logo MICINN Banner ISCIII Logo UE 2022
Formem part de
HH Província Espanya
Contacteu-nos

Avda. Jordà, 8, 08035 Barcelona
Telèfon: 935 480 105
E-mail: fundacio@fidmag.org
Formulari de contacte online 

           

 

Reconeixements a la qualitat i l'excel·lència
Darrera modificació: 12/07/2024