TekCrispyTekCrispy
  • Ciencia
    • Historia
    • Perfiles
  • Tecnología
    • Software
    • Móviles
    • Herramientas Web
    • Redes Sociales
  • Cultura Digital
    • Cine y TV
    • Videojuegos
  • Análisis
Selección del Editor

Perros de caza en pinturas rupestres del VII a.C. ¿La evidencia más antigua de domesticación?

May 24, 2022

AI Responsibility Lab tiene un plan para que la IA se use de forma ética en el futuro

May 24, 2022

Matices de la violencia doméstica: ¿Qué se considera maltrato y qué no?

May 24, 2022

Google Lens llega a Chrome: podrás buscar usando imágenes de páginas web

May 24, 2022
Facebook Twitter Instagram TikTok Telegrama
TekCrispyTekCrispy
  • Ciencia

    Perros de caza en pinturas rupestres del VII a.C. ¿La evidencia más antigua de domesticación?

    May 24, 2022

    Matices de la violencia doméstica: ¿Qué se considera maltrato y qué no?

    May 24, 2022

    ¿Las madres de gemelos son más fértiles que el resto?

    May 24, 2022

    ¿Las escuelas deberían hacer más por la salud mental de sus estudiantes?

    May 24, 2022

    ¿Por qué los bebés no deberían tomar leche de vaca en su primer año de vida?

    May 24, 2022
  • Tecnología

    AI Responsibility Lab tiene un plan para que la IA se use de forma ética en el futuro

    May 24, 2022

    Google Lens llega a Chrome: podrás buscar usando imágenes de páginas web

    May 24, 2022

    ¿Cómo poner controles parentales en el smartphone de tu hijo?

    May 24, 2022

    Cuello tecnológico: ¿qué le están haciendo los smartphones a nuestro cuerpo?

    May 24, 2022

    Las historias de “amigos cercanos” de Instagram no son tan privadas como crees

    May 24, 2022
  • Cultura Digital

    “The Mandalorian” y “Avatar 2”: la tecnología en el cine que solo busca conmovernos

    May 15, 2022

    ¿Cómo ganar vistas en YouTube en 2022?

    May 6, 2022

    Netflix implementa un impuesto de culpabilidad para quienes comparten contraseñas

    Mar 17, 2022

    Declarando, la gestoría 100% online que está revolucionando el sector

    Mar 11, 2022

    Científicos cuentan cómo los juegos de carreras desarrollan a los niños

    Mar 1, 2022
Facebook Twitter Instagram TikTok
TekCrispyTekCrispy
Nuevas Tecnologías

Diagnósticos del trastorno del sueño pueden ser más óptimos aplicando machine learning en wearables

Por Rosselyn BarroyetaAbr 16, 20204 minutos de lectura
Raconteur
Compartir
Facebook Twitter Email Telegrama WhatsApp

Hace poco te contamos de un poderoso software capaz de modificar nuestros sueños a través de aromas y sonidos, pues bien lo cierto es que la tecnología basada en IA podría ayudar a mucho más. En este sentido un estudio determinó que el aprendizaje automático (Machine Learning) podría ayudar a mejorar el diagnóstico de los trastornos del sueño, lo mejor de todo es que no necesitarías una clínica del sueño, pues podrá implementarse en un smartwatch.

Investigadores del Instituto de Tecnología de Georgia, publicaron un estudio titulado “REST: Redes neuronales robustas y eficientes para la monitorización del sueño en la naturaleza”, donde combinan la precisión de la información que provee una clínica del sueño y los modelos de aprendizaje automático que permitirán rastrear las etapas y el comportamiento del sueño.

“Estamos construyendo un nuevo proceso para ayudar a entrenar modelos de aprendizaje automático que se utilizarán para el entorno del hogar y ayudar a abordar este y otros problemas relacionados con el sueño”, dijo Scott Freitas, Ph.D. de Machine Leargning de segundo año. estudiante y coautor principal de un artículo recientemente publicado.

Se trata de una solución informática, que de acuerdo con sus creadores es mucho más rápido y eficiente, además tiene la ventaja de ser portable por lo que podrá instalarse en un wearable con un reloj inteligente.

Los desarrolladores señalan que se enfocan en que el ruido ambiental no interfiera con las señales que emiten los sensores de sueño en un wearable. Para esto usaron un entrenamiento conocido como Tándem con regulación espectral, esto evita los sesgos de error de las redes neuronales ante señales o interferencias eléctricas.

Así lo explican los especialistas:

Demostramos que REST produce modelos altamente robustos y eficientes que superan sustancialmente a los modelos de tamaño completo originales en presencia de ruido.

Para la tarea de estadificación del sueño sobre electroencefalograma de un solo canal (EEG), el modelo REST logra una puntuación macro-F1 de 0,67 frente a 0,39 lograda por un modelo de última generación en presencia de ruido gaussiano, mientras se obtiene una reducción de parámetros de 19x y 15x de MFLOPS en dos grandes conjuntos de datos EEG del mundo real.

Es decir que el sistema podrá analizar incluso cuando las señales EEG pueden ser interrumpidas por las ondas emitidas por un TV u otro equipo eléctrico sin interferencia de estas.

Asimismo, este modelo de aprendizaje automático es capaz de optimizar el proceso de análisis de sueño, reduciendo el tiempo de compresión y análisis de datos, que al implementarlo en un dispositivo Android logra una reducción de energía significativa.

Al implementar estos modelos en una aplicación de Android en un teléfono inteligente, observamos cuantitativamente que REST permite a los modelos lograr una reducción de energía de hasta 17 veces y una inferencia 9 veces más rápida.

Aunque actualmente los científicos están haciendo pruebas al sistema implementando un equipo que se usa en la cabeza, el objetivo es integrarlo en wearables como smartwatch o pulseras inteligentes, también se encuentran trabajando en reducir la cantidad de sensores que regularmente se usan para rastrear el estado del sueño.

“La tecnología portátil solo monitorea la frecuencia cardíaca con un sensor. El único sensor es más ideal y cómodo, por lo que estamos buscando una manera de obtener más datos sin agregar más cables o sensores “, dijo Rahul Duggal otro de los autores del estudio.

Actualmente existen apps de salud para wearables como FitBit que se implementan en smartwatch con el fin de monitorear los latidos del corazón, estatus del sueño y otra información de salud sin tener que ir al médico, sin embargo, estos suelen compartir y manejar cualquier cantidad de datos adicionales, por lo que el desarrollo de esta nueva tecnología podría sin duda marcar un antes y un después en el ecosistema de wearables y apps de salud.

Android Apps Aprendizaje Automático Machine Learning Salud Sueño Trastorno

Artículos Relacionados

¿Cómo poner controles parentales en el smartphone de tu hijo?

Android 13 tendrá soporte nativo para pantallas braille

Amplio estudio descubre que los alimentos ultraprocesados y las carnes rojas están asociados a una mayor mortalidad

Añadir un comentario

Dejar una respuesta Cancelar respuesta

Selección del Editor

¿La búsqueda de evidencia de vida en Marte no debe detenerse?

May 23, 2022

Incrustaciones de piedras preciosas en los dientes de los mayas revelan algo más que ostentación

May 23, 2022

¿Qué es el carbono azul y por qué debería tener una hoja de ruta?

May 20, 2022

Insomnio en la mediana edad podría acarrear problemas cognitivos en la vejez

May 20, 2022
Síguenos en las redes
  • Facebook
  • Twitter
  • Instagram
  • TikTok
Facebook Twitter Instagram LinkedIn TikTok
  • Publicidad
  • Contacto
  • Política de Privacidad
  • Acerca de TekCrispy
© 2022 CRISPYMEDIA LLC. DERECHOS RESERVADOS.

Escriba arriba y pulse Enter para buscar. Pulse Esc para cancelar.