En los últimos años, la distribución de música digital en la web ha permitido a los usuarios acceder a grandes cantidades de información musical, con ello surge la necesidad de obtener esa información de manera eficaz y eficiente. En la actualidad, los sistemas de recuperación han ayudado a los usuarios a encontrar información basada en texto, pero esos modelos tradicionales no son adecuados si deseamos encontrar canciones que se parezcan en contenido de audio, de allí la necesidad de modelar e implementar métodos de recuperación basado en audio musical. En este estudio se describe un sistema que permite recuperar y clasificar canciones por similitud basado en contenido de audio musical. Se aplica un modelo de red neuronal a características de canciones. Primero se obtiene descriptores de canciones polifónicas en formato mp3 con características tales como: Análisis Espectral, Patrones de ritmo, Histograma de ritmo. Segundo, se realiza un análisis estadístico para seleccionar los descriptores válidos. Finalmente se ingresa a una red neuronal estos descriptores y se entrena. El objetivo de este trabajo es implementar el sistema y determinar, a partir de los resultados experimentales, la eficiencia de acierto o no para clasificar y recuperar contenido de audio musical por similitud. / Tesis

The minimum variance (MV) beamformer is an adaptive beamforming method that has the potential to enhance the resolution and contrast of ultrasound images. Although the sensitivity of the MV beamformer to steering vector errors and array calibration errors is well-documented in other fields, in ultrasound it has been tested only under gross sound speed errors. Several robust MV beamformers have been proposed, but have mainly reported robustness only in the presence of sound speed mismatches. Additionally the impact of PAC methods in mitigating the effects of phase aberration in MV beamformed images has not been observed Accordingly, this thesis report consists on two parts. On the first part, a more complete analysis of the effects of different types of aberrators on conventional MV beamforming and on a robust MV beamformer from the literature (Eigenspace-based Minimum Variance (ESMV) beamformer) is carried out, and the effects of three PAC algorithms and their impact on the performance of the MV beamformer are analyzed (MV-PC). The comparison is carried out on Field II simulations and phantom experiments with electronic aberration and tissue aberrators. We conclude that the sensitivity to speed of sound errors and aberration limit the use of the MV beamformer in clinical applications, and that the effect of aberration is stronger than previously reported in the literature. Additionally it is shown that under moderate and strong aberrating conditions, MV-PC is a preferable option to ESMV. On the second part, we propose a new, locally-adaptive, phase aberration correction method (LAPAC) able to improve both DAS and MV beamformers that integrates aberration correction for each point in the image domain into the formulation of the MV beamformer. The new method is tested using fullwave simulations of models of human abdominal wall, experiments with tissue aberrators, and in vivo carotid images. The LAPAC method is compared with conventional phase aberration correction with delay-and-sum beamforming (DAS-PC) and MV-PC. The proposed method showed between 1-4 dB higher contrast than DAS-PC and MV-PC in all cases, and LAPAC-MV showed better performance than LAPAC-DAS. We conclude that LAPAC may be a viable option to enhance ultrasound image quality of both DAS and MV in the presence of clinically-relevant aberrating conditions. / Tesis

El trabajo desarrollado en la presente tesis consiste en diseñar e implementar un sistema de beamforming utilizando una Matriz de Butler compacta para las bandas AWS y PCS 1900 MHz, que son usadas en Perú para desplegar redes de comunicación móvil 4G y 3G. El primer capítulo presenta una descripción del marco problemático actual sobre la importancia del uso de los sistemas de beamforming. Luego, se señala la hipótesis planteada cuando se inició el desarrollo de la tesis. Posteriormente, se definen los conceptos teóricos para poder entender el funcionamiento y problemática de los sistemas de beamforming. Finalmente, se muestra el estado del arte con las últimas aplicaciones de las Matrices de Butler como redes de beamforming. En el segundo capítulo se exponen los objetivos y requerimientos de operación del sistema de beamforming, y las razones del uso de la Matriz de Butler como sistema de beamforming. Luego, se discute sobre los componentes individuales que forman a la Matriz de Butler y los modelos de implementación elegidos para cada uno de ellos. El tercer capítulo consiste en el diseño e implementación de la Matriz de Butler. Primero, se expone el proceso de optimización de los componentes individuales. Segundo, se muestra el proceso de diseño e implementación de la Matriz de Butler. Finalmente, se explica el diseño e implementación de las antenas impresas elegidas para ser usadas en el arreglo de antenas que será alimentado por la Matriz de Butler. El cuarto capítulo comienza explicando las técnicas posibles y la metodología usada para la medición de los patrones de radiación generados por las antenas al usar a la Matriz de Butler como red de beamforming. Luego, se muestran los resultados finales obtenidos y se culmina con la discusión sobre la funcionalidad de la Matriz de Butler como sistema de beamforming. Por último, se presentan las conclusiones y recomendaciones a las que se llegó después de terminar la presente tesis.

El Laboratorio de Imágenes Médicas de la PUCP cuenta con los equipos y herramientas necesarias para la implementación de un sistema de adquisición de datos de transductores ultrasónicos de un solo elemento, como el hardware de un posicionador de tres ejes de alta resolución (402/403XE Series - Parker), un emisor/receptor de ultrasonidos (Panametrics NDT 5800 - Olympus) y una tarjeta de adquisición de datos (UF3-4142 - Strategic Test). En el presente trabajo de tesis se diseñó e implementó un sistema de adquisición de datos ultrasónicos a través de una interfaz gráfica manipulada por el usuario (GUI) el cual opera los equipos mencionados de manera sincronizada. Esta interfaz se implementó con el software LabVIEW, el cual mediante un algoritmo recorre línea por línea toda el área de observación para adquirir datos. El Capítulo 1 se presenta la situación actual de los sistemas de adquisición en nuestro país, la importancia del desarrollo de estos sistemas y los objetivos del presente trabajo de tesis. El Capítulo 2 describe el hardware que compone un sistema de adquisición de datos ultrasónicos como la etapa de posicionamiento, trasmisión y recepción de pulso-eco, digitalización y adquisición de datos. También se describen las características de los equipos a utilizar de cada etapa. En el Capítulo 3 se presentan la descripción del software y el funcionamiento del sistema por etapas. Se muestran los criterios utilizados para desarrollar las etapas de posicionamiento y adquisición de datos. En el Capítulo 4 se presentan los resultados obtenidos de la tarjeta de adquisición, evaluación de la exactitud de desplazamiento del sistema posicionador y formación de imágenes en modo-B a partir de los datos obtenidos.

In this work, we focus on automatically classifying music by mood. For this purpose, we propose computational models using information extracted from the audio signal. The foundations of such algorithms are based on techniques from signal processing, machine learning and information retrieval. First, by studying the tagging behavior of a music social network, we find a model to represent mood. Then, we propose a method for automatic music mood classification. We analyze the contributions of audio descriptors and how their values are related to the observed mood. We also propose a multimodal version using lyrics, contributing to the field of text retrieval. Moreover, after showing the relation between mood and genre, we present a new approach using automatic music genre classification. We demonstrate that genre-based mood classifiers give higher accuracies than standard audio models. Finally, we propose a rule extraction technique to explicit our models. / En esta tesis, nos centramos en la clasificación automática de música a partir de la detección de la emoción que comunica. Primero, estudiamos cómo los miembros de una red social utilizan etiquetas y palabras clave para describir la música y las emociones que evoca, y encontramos un modelo para representar los estados de ánimo. Luego, proponemos un método de clasificación automática de emociones. Analizamos las contribuciones de descriptores de audio y cómo sus valores están relacionados con los estados de ánimo. Proponemos también una versión multimodal de nuestro algoritmo, usando las letras de canciones. Finalmente, después de estudiar la relación entre el estado de ánimo y el género musical, presentamos un método usando la clasificación automática por género. A modo de recapitulación conceptual y algorítmica, proponemos una técnica de extracción de reglas para entender como los algoritmos de aprendizaje automático predicen la emoción evocada por la música

El objeto principal de esta tesis ha sido el estudio del procesamiento lingüístico y prosódico en un sistema conversor de texto a voz, basado en concatenación de unidades para un hablante limeño del castellano. Basado en la información proporcionada por el estudio antes mencionado, se realizó el análisis, diseño e implementación de los módulos del procesamiento lingüísticoprosódico de un sistema conversor texto a voz; así como también, se hicieron los cambios necesarios en los módulos del sintetizador de voz, para aprovechar la información prosódica (duración segmental y contorno de frecuencia fundamental) proveniente de esos módulos.

[ES] Los motores eléctricos son máquinas eléctricas rotatorias que permiten realizar la conversión de energía eléctrica en energía mecánica, misma que resulta de gran utilidad en diversos procesos industriales, principalmente para accionar mecanismos y cadenas cinemáticas complejas que ejecutan alguna tarea en específico. Dentro de los distintos tipos de motores eléctricos, las máquinas de inducción se han utilizado ampliamente en una gran variedad de procesos industriales. Esto se debe principalmente a sus excelentes características y prestaciones, como lo son: robustez, fácil control, simplicidad, confiabilidad, y fácil mantenimiento. Sin embargo, a pesar de su elevada robustez, este tipo de máquinas se encuentran sujetas a esfuerzos mecánicos, térmicos, eléctricos y ambientales bajo diversas condiciones de operación durante su vida útil, lo que de forma inevitable conduce a fallos. Los principales fallos que suelen presentarse en los motores eléctricos de inducción son aquellos relacionados a sus componentes internos como lo son barras de rotor rotas, desgaste en las pistas exterior e interior en los rodamientos, desgaste en la jaula del rodamiento, fallas en el estator (por ejemplo, cortocircuito entre espiras adyacentes), entre otros. Cuando un motor eléctrico se encuentra operando bajo alguna condición de falla su rendimiento puede verse afectado, lo que se traduce en consumos de energía más elevados, causando a su vez costos extras al momento de facturar. En este trabajo de investigación se presenta el desarrollo de una metodología innovadora, capaz de generar un diagnóstico adecuado y de forma automática de la ocurrencia de las fallas más comunes que pueden desarrollarse en los motores eléctricos de inducción bajo diversas condiciones de operación mediante el análisis del flujo magnético de dispersión (que puede ser capturado en la periferia del marco del motor) empleando herramientas de descomposición en tiempo-frecuencia, herramientas de clasificación de datos y parámetros de caracterización de señales. Así entonces, se prueba la validez de técnicas basadas en el análisis del flujo magnético de dispersión para el diagnóstico de distintas fallas electromecánicas en motores de inducción. Los resultados demuestran el excelente desempeño de la metodología de diagnóstico automático propuesta, al ser evaluada en una gran variedad de motores con diversas características constructivas. / [CA] Els motors elèctrics són màquines elèctriques rotatòries que permeten realitzar la conversió d'energia elèctrica en energia mecànica, la qual cosa resulta de gran utilitat en diversos processos industrials, principalment per a accionar mecanismes i cadenes cinemàtiques complexes que executen alguna tasca en específic. Dins dels diferents tipus de motors elèctrics, les màquines d'inducció s'han utilitzat àmpliament en una gran varietat de processos industrials. Això es deu principalment a les seues excel·lents característiques i prestacions, com ara robustesa, fàcil control, simplicitat, fiabilitat i fàcil manteniment. No obstant això, malgrat la seua elevada robustesa, aquest tipus de màquines estan sotmeses a esforços mecànics, tèrmics, elèctrics i ambientals en diverses condicions d'operació durant la seua vida útil, la qual cosa inevitablement condueix a fallades. Les principals fallades que solen presentar-se en els motors elèctrics d'inducció són aquelles relacionades amb els seus components interns, com ara barres de rotor trencades, desgast en les pistes exterior i interior dels rodaments, desgast en la gàbia del rodaments, fallades en l'estator (per exemple, curtcircuit entre espires adjacents), entre altres. Quan un motor elèctric està funcionant sota alguna condició de fallada, el seu rendiment pot veure's afectat, la qual cosa es tradueix en consums d'energia més elevats, causant al seu torn costos addicionals en el moment de facturar. En aquest treball d'investigació es presenta el desenvolupament d'una metodologia innovadora, capaç de generar un diagnòstic adequat i de forma automàtica de l'ocurrència de les fallades més comunes que poden desenvolupar-se en els motors elèctrics d'inducció sota diverses condicions d'operació mitjançant l'anàlisi del flux magnètic de dispersió (que pot ser capturat en la perifèria del marc del motor) emprant eines de descomposició en temps-freqüència, eines de classificació de dades i paràmetres de caracterització de senyals. Així doncs, es prova la validesa de tècniques basades en l'anàlisi del flux magnètic de dispersió per al diagnòstic de diferents fallades electromecàniques en motors d'inducció. Els resultats demostren l'excellent rendiment de la metodologia de diagnòstic automàtic proposada, en ser avaluada en una gran varietat de motors amb diverses característiques constructives. / [EN] Electric motors are rotating electrical machines that allow the conversion of electrical energy into mechanical energy, which is very useful in various industrial processes, mainly to drive mechanisms and complex kinematic chains that perform a specific task. Within the different types of electric motors, induction machines have been widely used in a wide variety of industrial processes. This is mainly due to its excellent features and benefits, such as robustness, easy control, simplicity, reliability, and easy maintenance. However, despite its high robustness, this type of machine is subject to mechanical, thermal, electrical, and environmental stress under various operating conditions during its useful life, which inevitably leads to failures. The main failures that usually occur in electric induction motors are those related to their internal components, such as broken rotor bars, wear on the outer and inner races of the bearings, wear on the bearing cage, stator failures ( for example, short circuit between adjacent turns), among others. When an electric motor is operating under some fault condition, its performance may be affected, which translates into higher energy consumption, causing extra costs at the time of billing. This research thesis presents the development of an innovative methodology capable of automatically generating an adequate diagnosis of the occurrence of the most common failures that can develop in electric induction motors under various operating conditions through the analysis of the stray magnetic flux (which can be captured at the periphery of the motor frame). This is performed by using time-frequency decomposition tools, data classification tools, and signal characterization parameters. Thus, the validity of techniques based on the analysis of the stray magnetic flux for the diagnosis of different electromechanical failures in induction motors is tested. The results demonstrate the excellent performance of the proposed automatic diagnosis methodology when evaluated in a wide variety of engines with different construction characteristics. / Zamudio Ramírez, I. (2023). Diagnóstico de fallos electromecánicos en motores eléctricos mediante el análisis avanzado del flujo magnético y su implementación en hardware [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/197989

Tesis por compendio / [ES] El campo de la computación afectiva es un área que ha surgido con gran impulso y está en constante evolución. Este campo logra integrar psicofisiología, informática, ingeniería biomédica e inteligencia artificial, desarrollando sistemas capaces de inducir y reconocer emociones de manera automática. Su enfoque principal es el estudio del comportamiento humano a través de las emociones, las cuales desempeñan un papel fundamental en acciones como la interacción social, la toma de decisiones o la memoria. Recientemente, los avances tecnológicos han posibilitado el desarrollo de sistemas inteligentes humano-máquina que antes no eran factibles. Elementos como la realidad virtual y los modelos generativos de inteligencia artificial están adquiriendo un papel relevante en el campo de la computación afectiva. La combinación de estas tecnologías puede dar lugar a experimentaciones mucho más realistas que, junto con el reconocimiento automático de respuestas fisiológicas, podrían constituir una metodología robusta para evocar e identificar estados emocionales en entornos de dinámicas sociales. Esta tesis se centra en la evocación y reconocimiento de emociones en realidad virtual mediante la creación del primer humano virtual, basado en un modelo de lenguaje generativo, que permite mantener conversaciones a tiempo real con un humano. Se han medido diversas señales fisiológicas y desarrollado herramientas de procesamiento de señales para monitorizar las respuestas de manera automática. A partir de esto, se ha evaluado y validado no solo la evocación y reconocimiento de emociones mediante aprendizaje automático, sino también el reconocimiento de sujetos con síntomas depresivos. El trabajo desarrollado en esta tesis presenta contribuciones relevantes, tanto para el campo de la computación afectiva, como para otras áreas afines como el procesamiento de señales y las interacciones humano-máquina. Las herramientas desarrolladas junto con modelos novedosos de la inteligencia artificial consiguen realizar una experimentación, en entornos de dinámicas sociales humanas, nunca antes diseñada. Los resultados muestran como este trabajo es capaz de modelizar información tan relevante como emociones y síntomas depresivos de la persona con la que se habla. Campos como la psicología, medicina o educación pueden utilizar muchas de las herramientas desarrolladas en esta tesis con tal de aportar más información en la toma de decisiones o en la interacción social. / [CA] El camp de la computació afectiva és un àmbit que ha sorgit amb gran impuls i està en constant evolució. Aquest camp aconsegueix integrar psicofisiologia, informàtica, enginyeria biomèdica i intel·ligència artificial, desenvolupant sistemes capaços d'induir i reconèixer emocions de manera automàtica. El seu enfocament principal és l'estudi del comportament humà a través de les emocions, les quals juguen un paper fonamental en accions com la interacció social, la presa de decisions o la memòria. Recentment, els avanços tecnològics han possibilitat el desenvolupament de sistemes intel·ligents humà-màquina que abans no eren factibles. Elements com la realitat virtual i els models generatius d'intel·ligència artificial estan adquirint un paper rellevant en el camp de la computació afectiva. La combinació d'aquestes tecnologies pot donar lloc a experimentacions molt més realistes que, juntament amb el reconeixement automàtic de respostes fisiològiques, podrien constituir una metodologia robusta per evocar i identificar estats emocionals en entorns de dinàmiques socials. Aquesta tesi es centra en la evocació i reconeixement d'emocions en realitat virtual mitjançant la creació del primer humà virtual, basat en un model de llenguatge generatiu, que permet mantenir converses en temps real amb un humà. S'han mesurat diverses senyals fisiològiques i desenvolupat eines de processament de senyals per monitoritzar les respostes de manera automàtica. A partir d'això, s'ha avaluat i validat no només la evocació i reconeixement d'emocions mitjançant aprenentatge automàtic, sinó també el reconeixement de subjectes amb símptomes depressius. El treball desenvolupat en aquesta tesi presenta contribucions rellevants, tant per al camp de la computació afectiva com per a altres àrees afins com el processament de senyals i les interaccions humà-màquina. Les eines desenvolupades juntament amb models innovadors d'intel·ligència artificial aconsegueixen realitzar una experimentació en entorns de dinàmiques socials humanes que mai abans s'havia dissenyat. Els resultats mostren com aquest treball és capaç de modelitzar informació tan rellevant com emocions i símptomes depressius de la persona amb la qual es parla. Àrees com la psicologia, la medicina o l'educació poden utilitzar moltes de les eines desenvolupades en aquesta tesi per a proporcionar més informació en la presa de decisions o en la interacció social. / [EN] The field of affective computing is an area that has emerged with great momentum and is constantly evolving. This field integrates psychophysiology, computer science, biomedical engineering, and artificial intelligence, developing systems capable of inducing and recognizing emotions automatically. Its main focus is the study of human behavior through emotions, which play a fundamental role in actions such as social interaction, decision-making, or memory. Recently, technological advances have made possible the development of human-machine intelligent systems that were previously unattainable. Elements such as virtual reality and generative models of artificial intelligence are becoming increasingly relevant in the field of affective computing. The combination of these technologies could lead to much more realistic experiments that, along with automatic recognition of physiological responses, could constitute a robust methodology for evoking and identifying emotional states in social dynamic environments. This thesis focuses on the elicitation and recognition of emotions in virtual reality through the creation of the first virtual human, based on a generative language model, capable of engaging real-time conversations with a human. Various physiological signals have been measured, and signal processing tools have been developed to monitor responses automatically. Based on this, the elicitation and recognition of emotions through machine learning have been evaluated and validated, as well as the recognition of subjects with depressive symptoms. The work developed in this thesis presents relevant contributions, not only to the field of affective computing but also, to related areas such as signal processing and human-machine interactions. The tools developed, along with innovative artificial intelligence models, enable experimentation in human social dynamics environments that have never been designed before. The results demonstrate how this work is capable of modeling such relevant information as emotions and depressive symptoms of the person being interacted with. Fields such as psychology, medicine, or education can utilize many of the tools developed in this thesis to provide more information in decision-making or social interaction processes. / Llanes Jurado, J. (2024). Affective computing framework for social emotion elicitation and recognition using artificial intelligence [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/207112 / Compendio

La tomografía de impedancia eléctrica (EIT) permite estimar la conductividad eléctrica interna de un cuerpo. Consiste en aplicar una corriente eléctrica sobre su frontera y medir el potencial eléctrico resultante mediante un arreglo de sensores. Es considerada como una potencial herramienta de diagnóstico médico, caracterizada principalmente por su portabilidad y relativo bajo costo. Si bien se encuentra aún en etapa de desarrollo, está comenzando a ser utilizada en centros de salud para la caracterización del aparato cardio-respiratorio y existe un creciente interés en su aplicación a las neurociencias. Por ejemplo, es posible utilizar la EIT para construir modelos virtuales de la cabeza más precisos mediante la estimación de la conductividad eléctrica de los principales tejidos de la cabeza como un conjunto de parámetros relativamente pequeño, modalidad denominada EIT paramétrico. También se puede utilizar la EIT para generar un mapa de la distribución de conductividad eléctrica interna de un objeto, llamado problema de reconstrucción en EIT. Los cambios de la conductividad eléctrica en la cabeza pueden estar asociados a la actividad neuronal, a focos epilépticos, a accidentes cerebro-vasculares o a tumores. Ambas modalidades de EIT requieren la resolución del problema directo (PD), que consiste en el cálculo de la distribución de potencial eléctrico en el objeto originada por la inyección de corriente sobre su superficie, suponiendo que la conductividad interna es conocida. La estimulación de corriente continua transcraneal (tDCS) es físicamente muy similar a la EIT, pero la corriente eléctrica es aplicada sobre el cuero cabelludo de modo de alterar la tasa de disparos de poblaciones de neuronas en una región de interés. Es una potencial alternativa al empleo de psicofármacos para tratar desórdenes como epilepsia o depresiones. En esta tesis se desarrollan y analizan nuevos métodos para distintos problemas de EIT, centrándose mayormente en aplicaciones a la cabeza humana, y de tDCS. En primer lugar, se describen soluciones analíticas y numéricas para el PD en EIT, estas últimas basadas en el método de los elementos finitos. Luego, se desarrolla un nuevo procedimiento para resolver el PD con bajo costo computacional basado en la formulación del PD en electroencefalografía (EEG). Se propone un nuevo método para determinar la forma de onda de la fuente de corriente que permite desafectar la actividad propia del cerebro con un bajo número de muestras temporales. En EIT paramétrico, se utiliza la cota de Cramér-Rao (CRB) para determinar pares de electrodos convenientes para la inyección de corriente y para analizar límites teóricos en la estimación de las conductividades del cráneo y del cuero cabelludo, modelizándolos como tejidos isótropos y anisótropos. A su vez, se propone el estimador de máxima verosimilitud (MLE) como herramienta para realizar las estimaciones. El MLE se aplica a mediciones simuladas y reales de EIT mostrando un desempeño muy cercano a los límites teóricos. Para el problema de reconstrucción en EIT se adapta el algoritmo sLORETA, muy utilizado en el problema de localización de fuentes de actividad neuronal en EEG. Además, se lo modifica levemente para incorporar la regularización espacial de Laplace. Por otro lado, se introduce la utilización de filtros espaciales adaptivos para localizar cambios de conductividad de pequeño tamaño y estimar su variación temporal. Los resultados muestran mejoras en sesgo y resolución, en comparación con algoritmos de reconstrucción típicos en EIT. Estas mejoras son potencialmente ventajosas en la detección de accidentes cerebro-vasculares y en la localización indirecta de fuentes de actividad neuronal. En tDCS, se desarrolla un nuevo algoritmo para la determinación de patrones de inyección de corriente basado en el principio de reciprocidad y que considera restricciones de seguridad y de hardware. Los resultados obtenidos a partir de simulaciones muestran que el desempeño de dicho algoritmo es comparable al desempeño de algoritmos de optimización tradicionales cuyas soluciones implicarían un equipamiento comparativamente más complejo y costoso. Los métodos desarrollados en la tesis son comparados con métodos pre-existentes y validados a través de simulaciones numéricas por computadora, mediciones sobre maquetas experimentales (ó fantomas) y, de acuerdo con las posibilidades experimentales y respetando los principios de la bioética, mediciones reales sobre humanos. / Electrical impedance tomography (EIT) is a technique to estimate the electrical conductivity of an object. It consists in the application of an electric current on its boundary and the measurement of the resulting electric potential with a sensor array. In clinical practise, it is considered as a potential diagnostic tool characterized by its portability and relatively low cost. While it is still in a development stage, it is starting to be used in health centers to characterize the cardio-respiratory system. In turn, there is an increasing interest of EIT in neuroscience. For example, EIT can be used to estimate the electrical conductivity of the main tissues of the head as a set of a relatively low number of parameters, which is known as bounded or parametric EIT. This is useful for several medical imaging techniques that require realistic and accurate virtual models of the head. EIT can also be used to generate a map of the internal distribution of the electrical conductivity, known as the reconstruction problem. Tracking conductivity changes inside the head is of great interest as they may be related to neuronal activity, epileptic foci, acute stroke, or tumors. Both modalities of EIT require the solution of the EIT forward problem (FP), i.e., the computation of the electric potential distribution due to current injection on the scalp assuming that the electrical conductivity is known. The transcranial direct current stimulation (tDCS) is another technique which is physically very similar to EIT. It consists in injecting a small electric current in a convenient way such that it stimulates specific neuronal populations, increasing or decreasing their firing rate. It is considered as an alternative to psychoactive drugs in the treatment of brain disorders such as epilepsy or depression. This thesis describes the development and analysis of new methods for EIT FP, parametric EIT, reconstruction in EIT, and tDCS, focusing primarily (although not exclusively) in applications to human head. We first describe analytical and numerical approaches for the EIT FP, where the numerical approach is based on the finite element method. Then, we develop a new procedure to solve the EIT FP based on the electroencephalography (EEG) FP formulation, which results in computational advantages. We propose a new method to determine the waveform of the electric current source such that the neuronal activity of the brain can be neglected with the smallest possible number of time samples. In parametric EIT, we use the Cramér-Rao bound (CRB) to determine convenient electrode pairs for the current injection and theoretical limits in the estimation of the electrical conductivity of the main tissues of the head, which we model as isotropic and anisotropic. We propose the maximum likelihood estimator (MLE) to estimate these conductivities and we test it with simulated and real EIT measurements, showing that the MLE performs close to the CRB. We adapt the sLORETA algorithm to the reconstruction problem in EIT. This algorithm is being widely used in the source localization problem in EEG. We also slightly modify it to include the Laplace smoothing prior in the solution. Likewise, we introduce the use of adaptive spatial filters in the localization of conductivity changes and the estimation of its time courses from EIT measurements. The results show improvements over typical EIT algorithms. These improvements may benefit the early detection of acute strokes and the localization of neuronal activity using EIT. In tDCS, we develop a new algorithm to determine convenient current injection patterns. It is based on the reciprocity principle and considers hardware and safety constraints. Our simulation results show that this method performs similarly to other commonly used algorithms that require more complex and costly equipments. The methods we develop and study in this thesis are compared with pre-existing methods and are validated through numerical simulations, measurements on phantoms and, according to the experimental possibilities and bioethical principles, humans.

El análisis sistémico de datos biomédicos procedentes de diferentes niveles biológicos abre amplias expectativas en el proceso de toma de decisiones médicas. Las nuevas tecnologías biomédicas permiten la interpretación del origen de las afecciones que sufren los pacientes, trasladando el paradigma de decisión hacia la medicina basada en la evidencia. Esta Tesis centra su atención en la ayuda al diagnóstico del cáncer asistida por ordenador. El objetivo de nuestro estudio es obtener unos resultados de alto acierto en clasificación, que ofrezcan transparencia en su interpretación mediante conocimiento médico y capacidad de generalización cuando se aplican a pacientes procedentes de múltiples centros estudiados con posterioridad. Los aspectos técnicos cubiertos en esta Tesis incluyen el procesamiento, modelado, extracción de características, y combinación de datos biomédicos; así como la inferencia y evaluación de modelos predictivos de dichos datos y la integración de los modelos predictivos en sistemas de ayuda a la decisión para entornos clínicos. Concretamente, estos puntos se abordan para dos problemas médicos: el diagnóstico de Tumores de Partes Blandas (TPB) y, especialmente, el diagnóstico de Tumores Cerebrales (TC). En los desarrollos realizados para el problema de TPB con hallazgos de imagen se alcanzó una alta eficacia en la clasificación basada en Reconocimiento de Formas de tumores según su carácter benigno o maligno. Un sistema de ayuda a la decisión especializado para el problema de TPB fue diseñado e implementado a partir de los clasificadores aprendidos a partir de una base de datos multicéntrica. Las contribuciones de esta Tesis al estudio de Tumores Cerebrales incluyen el análisis de señales biomédicas in-vivo y ex-vivo del paciente. Ha sido propuesta una nueva aproximación para la combinación de Espectros de Resonancia Magnética (ERM) adquiridos para un mismo paciente con diferentes tiempos de eco (TE corto y TE largo) ha sido propuesta. También se / García Gómez, JM. (2009). Pattern recognition approaches for biomedical data in computer-assisted cancer research [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/4602