The development of real-time, reliable, low-cost automatic phonocardiogram (PCG) analysis systems is critical for the early detection of cardiovascular diseases (CVDs), especially in countries with limited access to primary health care programs. Once the raw PCG acquired by the stethoscope has been preprocessed, the first key task is its segmentation into the fundamental heart sounds. For this purpose, an optimized hardware implementation of the segmentation algorithm is essential to attain a computer-aided diagnostic system based on PCGs. This article presents the optimization of a U-Net-based segmentation algorithm for its implementation in a low-end field-programmable gate array (FPGA) using low-resolution fixed-point data types. The optimization strategies seek to reduce the system latency while maintaining a constrained consumption of FPGA resources, aiming for a real-time response from the stethoscope data acquisition to the CVD detection. Experimental results prove a 64% decrease in latency compared to a baseline version, a 3.9% reduction of block random access memory (BRAM), which is the limiting resource of the design, and a 70% reduction in energy consumption. To the best of our knowledge, this is the first work to exhaustively study different optimization strategies for implementing a large 1-D U-Net-based model, achieving real-time fully characterized performance.
Currently, one of the most common causes of death worldwide is cancer. The development of innovative methods to support the early and accurate detection of cancers is required to increase the recovery rate of patients. Several studies have shown that medical Hyperspectral Imaging (HSI) combined with artificial intelligence algorithms is a powerful tool for cancer detection. Various preprocessing methods are commonly applied to hyperspectral data to improve the performance of the algorithms. However, there is currently no standard for these methods, and no studies have compared them so far in the medical field. In this work, we evaluated different combinations of preprocessing steps, including spatial and spectral smoothing, Min-Max scaling, Standard Normal Variate normalization, and a median spatial smoothing technique, with the goal of improving tumor detection in three different HSI databases concerning colorectal, esophagogastric, and brain cancers. Two machine learning and deep learning models were used to perform the pixel-wise classification. The results showed that the choice of preprocessing method affects the performance of tumor identification. The method that showed slightly better results with respect to identifing colorectal tumors was Median Filter preprocessing (0.94 of area under the curve). On the other hand, esophagogastric and brain tumors were more accurately identified using Min-Max scaling preprocessing (0.93 and 0.92 of area under the curve, respectively). However, it is observed that the Median Filter method smooths sharp spectral features, resulting in high variability in the classification performance. Therefore, based on these results, obtained with different databases acquired by different HSI instrumentation, the most relevant preprocessing technique identified in this work is Min-Max scaling.
Cancer originates from the uncontrolled growth of healthy cells into a mass. Chromophores, such as hemoglobin and melanin, characterize skin spectral properties, allowing the classification of lesions into different etiologies. Hyperspectral imaging systems gather skin-reflected and transmitted light into several wavelength ranges of the electromagnetic spectrum, enabling potential skin-lesion differentiation through machine learning algorithms. Challenged by data availability and tiny inter and intra-tumoral variability, here we introduce a pipeline based on deep neural networks to diagnose hyperspectral skin cancer images, targeting a handheld device equipped with a low-power graphical processing unit for routine clinical testing. Enhanced by data augmentation, transfer learning, and hyperparameter tuning, the proposed architectures aim to meet and improve the well-known dermatologist-level detection performances concerning both benign-malignant and multiclass classification tasks, being able to diagnose hyperspectral data considering real-time constraints. Experiments show 87% sensitivity and 88% specificity for benign-malignant classification and specificity above 80% for the multiclass scenario. AUC measurements suggest classification performance improvement above 90% with adequate thresholding. Concerning binary segmentation, we measured skin DICE and IOU higher than 90%. We estimated 1.21 s, at most, consuming 5 Watts to segment the epidermal lesions with the U-Net++ architecture, meeting the imposed time limit. Hence, we can diagnose hyperspectral epidermal data assuming real-time constraints.
9 June 2020 in International Journal of Developmental and Educational Psychology. Revista INFAD de Psicología.
La verdadera esencia del proceso de envejecimiento es la interacción entre la subjetiva disminución en el plano cognitivo y no cognitivo que produce una alteración funcional sobre las actividades de la vida diaria. La evolución de la pirámide poblacional ha puesto de manifiesto un importante incremento de proporción de ancianos/as en todo el mundo y sin establecer de manera clara los roles sociales de este colectivo. Uno de los mayores factores predisponentes para el maltrato al mayor es el concepto que tiene la sociedad sobre el envejecimiento (fragilidad y dependencia) unido a un debilitamiento de vínculos familiares y la falta de recursos económicos para garantizar el adecuado cuidado. En España en el año 2018, se contabilizaron 2.037.700 personas de más de 65 años que viven solos/as, a este dato se une que en el año 2019 el 29,93% de mayores padecía dependencia; dato que se incrementa exponencialmente cuando superan los 80 años. Se estima que el maltrato en mayores llega al 52,6% en comunidad, siendo la dependencia el principal factor de riesgo. El maltrato a personas mayores puede presentarse de diferentes maneras tanto por abuso, abandono o negligencia con unos signos y síntomas concretos; siendo la psicológica la manera más frecuente de maltrato al mayor. El perfil del maltratado/a se caracteriza por ser mujer; mayor de 75 años y con deterioro cognitivo o demencia; mientras que el maltratador/a familiar, carece de suficientes recursos económicos y cuidados de larga duración. El abordaje en caso de detectar maltrato al mayor en la comunidad se sigue a través de un plan de actuación respaldado por la Organización Mundial de la Salud y la Sociedad Española de Geriatría y Gerontología. El interés sobre el maltrato en los/as ancianos/as tiene un creciente interés en la literatura científica.
9 June 2020 in International Journal of Developmental and Educational Psychology. Revista INFAD de Psicología.
El envejecimiento de la población en España es una cuestión que no solamente atañe a la salud de la población y a Sanidad, sino que tiene importantes repercusiones en la economía, estructura familiar, sostenibilidad del sistema de pensiones, etc. Supone un elevado gasto sanitario, como ejemplo: el 52% del gasto de Atención Especializada se dedica a mayores de 65 años y los mayores de 70 años son los responsables del 40% del total del gasto sanitario. Los datos anteriormente expuestos denotan que el sistema sanitario no ha sabido adaptarse a la nueva situación social, aumentando el edadismo y responsabilidad de la sostenibilidad del sistema a la población anciana. Los biomarcadores de depósito amiloide y de neurodegeneración (obtenidos del líquido cefalorraquídeo: péptido Aß1-42 ylas proteínas Tau totaly Tau fosforilada), o bien por técnicas de neuroimagen (resonancia magnética(RM) o tomografía poremisión de positrones(PET con18F-fluorodesoxiglucosa PET-FDG). Los biomarcadores en sangre periférica aún no están estandarizados para el diagnóstico clínico. Por ello, la utilización de técnicas de imagen hiperespectral para la determinación de biomarcadores, así como la aplicación de estas técnicas en la clínica, favorecerán tanto el diagnóstico como el tratamiento de los pacientes con DTA.
9 June 2020 in International Journal of Developmental and Educational Psychology. Revista INFAD de Psicología.
La demencia es un síndrome adquirido, de naturaleza orgánica caracterizado por un deterioro permanente de la memoria y de otras funciones intelectuales, y frecuentemente acompañado de otros trastornos psiquiátricos, que ocurren sin alteración del nivel de conciencia, afectando al funcionamiento social. Las pruebas diagnósticas disponibles en la actualidad se basan fundamentalmente en criterios clínicos, apoyadas por pruebas neuropsicológicas, analíticas y de imagen. En la actualidad no se conoce el complejo proceso neurodegenerativo de esta enfermedad, pero si tenemos datos sobre la intervención de los síntomas de esta. El diseño experimental utilizado en este trabajo es de tipo “cuasiexperimental” con evaluación antes y después del programa de estimulación (taller de memoria y automatismos; lectura y lenguaje; ejercicio físico y psicomotricidad; musicoterapia y reconocimiento corporal). La muestra está formada por 21 sujetos de ambos sexos, diagnosticados de Demencia Tipo Alzheimer (DTA) probable, tratados en los centros de día y residencia durante 6 meses. La media de edad de los sujetos es de 80,71 años (Sx= 4,85). Los resultados muestran una disminución en puntuación del MEC (máximo 35 puntos) de -1,67 (Sx 3.88; p<0.05); cuando el/la cuidadora principal acude a apoyo psicológico, la puntuación del MEC aumenta de media en 0.8 (Sx 2.9), si no acude la puntuación disminuye en 3.91 (Sx 3.3) con un p valor de 0.03. Las conclusiones extraídas son que el tratamiento de estimulación es igual de eficaz para el mantenimiento del rendimiento cognitivo general y capacidad funcional en pacientes con deterioro cognitivo leve, moderado y grave; Cuando el trabajo se extiende al binomio familia-enfermo, mediante la aplicación de un tratamiento paralelo no farmacológico a los familiares los resultados son significativamente mejores.