Estudio prospectivo con cerdos domésticos a los cuales se les practica Cirugía Endoscópica Nasosinusal (CENS) radical o funcional durante su crecimiento.Entre el 30.11.2001 y el 15.02.2002 se practicó CENS radical o funcional a los lados izquierdos de 18 cerdos sanos entre 10.80 Kg. y 47.50 Kg. con una media de 28.28 Kg., que corresponden a cerdos ente 6 y 13 semanas de edad. 2 cerdos fueron éxitus. Los 16 cerdos restantes fueron dividido en dos grupos de 8 cerdos. 1. CENS funcional: infundibulotomía + vaciamiento receso frontal + conservación mucoperiostio. 2. CENS radical: vaciamiento etmoidal completo + resección cornete dorsal + vaciamiento receso frontal + resección mucoperiostio. Hasta los 6 meses de vida crecieron en condiciones controladas y fueron sacrificados con una peso medio de 140 Kg. Se realizaron Tomografías Computarizadas de todas las cabezas. Se tomaron medidas numéricas de distancias, áreas y volúmenes. Se realizó el análisis estadístico.Los resultados fueron: Análisis descriptivo: La p obtenida entre la media de material obtenido por cirugía funcional y al media de material obtenido por cirugía radical es altamente significativo. Se establecieron los parámetros de normalidad para cada área, volumen o grosor. Análisis comparativo: Análisis según cirugía. No se encontró ninguna diferencia estadísticamente significativa para ninguna de las áreas, volúmenes o grosores estudiados. Análisis según lado. La CENS sólo causa alteraciones en la pared ósea nasal a nivel del margen anterior óseo del cornete nasal dorsal de la pared ósea nasal y en la pared ósea nasal a nivel medio de la inserción del cornete dorsal. La CENS funcional causa un importante engrosamiento de la pared ósea nasal a nivel del margen anterior y a nivel medio óseo del cornete nasal dorsal. La CENS radical también puede ser causa de un engrosamiento estadísticamente significativo de la pared ósea nasal a nivel del margen anterior y a nivel medio óseo del cornete nasal dorsal. Conclusión: los únicos valores que se alteran, tanto con la CENS funcional como radical, son el grosor de la pared ósea nasal a nivel del margen anterior óseo del cornete nasal dorsal y a nivel medio. Estos resultados en realidad tienen poca significación clínica, por lo que se dude que la ni la CENS radical ni la funcional producen alteraciones centrofaciales ni sinusales, por lo que no deben predisponer a afectaciones que tengan una expresión clínica como sinusitis.Nuestros resultados obtenidos contrastan con los dos trabajos previos sobre el mismo tema en cerdos: a) el de Mair y cols. "Sinus and facial growth alter pediatric endoscopic sinus surgery". Arch. otolaryngol. Head Nec. Surg.. 1995; 121: 547-552. b) el de Carpenter y cols. "Facial Skeletal Growth alter endoscopic sinus surgery in the piglet model". American Journal of Rhinology Nº 3 1997; 11:211-217.A pesar de que nuestro estudio es el primer estudio en animales publicado en el que se diferencia Cirugía radical de funcional y los animales se estudian durante un tiempo suficiente como para que hallan alcanzado un desarrollo sinusal completo, se precisarían estudios con una muestra mucho mayor (quizás multicéntricos). Hay que tener presente que trabajar con animales tiene unos límites. / Prospective study with 16 pigs operated on endoscopic sinus surgery (ESS) radical or functional between 2001.11.30 - 2002.02.15. The weigh was 10.80 kg - 47.50 kg, corresponding to 6 - 13 weeks of age. They were killed with a middle weigh of 140 Kg. We did CT (scanner) to the heads of the pigs. Conclusion: EES functional and radical only changed the thickness of nasal lateral wall level anterior and middle of the bony edge of the dorsal nasal concha. We compared our results with the works of Mair et al. and Carpenter et al. We showed the limits of our study.

With the breakthrough of machine learning techniques, the research concerning music emotion classification has been getting notable progress combining various audio features and state-of-the-art machine learning models. Still, it is known that the way to preprocess music samples and to choose which machine classification algorithm to use depends on data sets and the objective of each project work. The collaborating company of this thesis, Ichigoichie AB, is currently developing a system to categorize music data into positive/negative classes. To enhance the accuracy of the existing system, this project aims to figure out the best model through experiments with six audio features (Mel spectrogram, MFCC, HPSS, Onset, CENS, Tonnetz) and several machine learning models including deep neural network models for the classification task. For each model, hyperparameter tuning is performed and the model evaluation is carried out according to pareto optimality with regard to accuracy and execution time. The results show that the most promising model accomplished 95% correct classification with an execution time of less than 15 seconds. / I och med genombrottet av maskininlärningstekniker har forskning kring känsloklassificering i musik sett betydande framsteg genom att kombinera olikamusikanalysverktyg med nya maskinlärningsmodeller. Trots detta är hur man förbehandlar ljuddatat och valet av vilken maskinklassificeringsalgoritm som ska tillämpas beroende på vilken typ av data man arbetar med samt målet med projektet. Denna uppsats samarbetspartner, Ichigoichie AB, utvecklar för närvarande ett system för att kategorisera musikdata enligt positiva och negativa känslor. För att höja systemets noggrannhet är målet med denna uppsats att experimentellt hitta bästa modellen baserat på sex musik-egenskaper (Mel-spektrogram, MFCC, HPSS, Onset, CENS samt Tonnetz) och ett antal olika maskininlärningsmodeller, inklusive Deep Learning-modeller. Varje modell hyperparameteroptimeras och utvärderas enligt paretooptimalitet med hänsyn till noggrannhet och beräkningstid. Resultaten visar att den mest lovande modellen uppnådde 95% korrekt klassificering med en beräkningstid på mindre än 15 sekunder.