Modelado de complejidad en medicina, biología y neurociencia Autómatas celulares Carlos Reynoso UNIVERSIDAD DE BUENOS AIRES

Slides:

Advertisements

Presentaciones similares

Introducción a la Visión Artificial

Advertisements

Memoria Bibliografía: Miyashita et al (Nature, 1988a,1988b,1991) Hopfield, PNAS 79: 2554 (1986) Actividad persistente Modelo de Hopfield Conversión de.

Sistemas Inteligentes

Certificación de procesos en Linux

Autómatas celulares El juego de la vida

Tatiana Castillo de la Rubia 1rD

CRECIMIENTO DE LAS NEOPLASIAS MALIGNAS

El Mundito un modelo de vida artificial

PROYECTO DE GRADO CARLOS STALIN ALVARADO SANCHEZ

Reconocimiento de señas manuales Fuzzy ART

Reconocimiento de Patentes en automóviles

Definición Machine learning traducido al español significa el aprendizaje automático o también aprendizaje de las maquinas. A partir de esto podemos darle.

Ciudades y complejidad

Modelado de complejidad en medicina, biología y neurociencia Autómatas celulares y modelos basados en agentes Carlos Reynoso UNIVERSIDAD DE BUENOS AIRES.

Bloque II . Medios técnicos (Primer grado)

Fractales PRESENTACION AUTOMÁTICA Maze (The Amalgamation of soundz)

INTELIGENCIA DE NEGOCIOS

LA TEORÍA DE LAS INTELIGENCIAS MÚLTIPLES.

Introducción Calculabilidad clásica Computación celular

Fundamentos e Historia de la Inteligencia Artificial Introducción: Capítulo 1.

El cáncer: características de la célula cancerosa

Procesamiento de Imágenes: introducción Stéren Chabert, Ph.D. Universidad de Valparaíso Departamento de Ingeniería Biomédica.

MVZ. BLANCA ESTELA ROMERO MENDEZ

UNIVERSIDAD VERACRUZANA Facultad de Bioanálisis P R O Y E C T O A U L A.

SISTEMAS CAOTICOS O TEORIA DEL CAOS

Integrantes: Daniel Peña Alfredo Zuñiga

RESUMEN En este artículo se describe en forma breve una de las líneas de investigación que se están llevando a cabo en el Laboratorio de Tecnologías Emergentes.

SEMINARIO DE INVESTIGACIÓN

APRENDIZAJE SITUACIONAL. APRENDIZAJE SITUADO Premisa Lo que sabe el alumno # Saber hacer con lo que sabe Lo que sabe el alumno # Saber hacer con lo que.

Inventario, tipología y filosofía de herramientas para la adaptación al Cambio climático Prof. Dr. Serge Schmitz Universidad de Lieja

Uso de Microsoft Powerpoint para facilitar el dictado de clases

Insumos para un conversatorio Bogotá, 15 de abril 2015.

Neurociencias Cognitivas y Redes Neuronales

Universidad de los Andes Núcleo Universitario Alberto Adriani Inteligencia Artificial Ingeniería de Sistemas.

Redes Neuronales Artificiales

SISTEMAS INTELIGENTES EN HARDWARE

8.- Inteligencia artificial

INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Y LOS SISTEMAS EXPERTOS

Bioinformática Introducción. Bioinformática Definición intuitiva Conjunto de herramientas informáticas que sugieren soluciones a problemas biológicos.

16/07/07Robótica Probabilista1 Un primer enfoque para solucionar el problema “Lost & Found” basada en PRM y localización local Josué Sánchez Texis.

Redes Neuronales BPN - Backpropagation Networks

PROCESAMIENTO DE IMÁGENES DIGITALES

La Robótica La Robótica es la ciencia investigación, estudio y tecnología de los robots. Se ocupa del diseño, manufactura y aplicaciones de los robots.

SOMBRAS Y SILUETAS Nivel: NT1 Y NT2

CáncerCáncer Clases Cirugía II Qué es el Cáncer  Enfermedad propia de órganismos multicelulares, y se manifiesta por alteraciones de los mecanismos.

Que es CLUE? Conversion of Land Use and its Effects Metodología para modelar patrones de LUCC en el futuro cercano Metodología híbrida que combina: –Análisis.

DATA MINING KAROL PARDO MIGUEL VALCERO CORPORACION UNIVERSITARIA MINUTO DE DIOS.

Introducción a los Sistemas Inteligentes

PATRÓN DE NÚMEROS Nivel: NT1

Redes Neuronales Artificiales: Una Introducción

Autómatas Celulares Msc. Miguel Angel Niño Universidad del Cauca.

Neurociencias Cognitivas y Redes Neuronales

ReDeS David Weiss Ch RED: Conjunto de elementos organizados para un determinado fin. Significa diccionario.

Desde el principio de la humanidad se soñó con el desarrollo de máquinas que puedan imitar la capacidad de aprendizaje del hombre. Actualmente es un desafío.

Modelado de complejidad en medicina, biología y neurociencia Neurociencia y complejidad Carlos Reynoso UNIVERSIDAD DE BUENOS AIRES

Heurística. Los procesos que se llevan a cabo en el cerebro pueden ser analizados, a un nivel de abstacción dado, como procesos computacionales de algún.

SISTEMAS INTELIGENTES ¿De qué estamos hablando? Carlos Lameda Enero, 2006.

Introducción a la Inteligencia Artificial

Ciclo celular. Si existen condiciones adecuadas, el ciclo celular progresa.

1.2 CONCEPTOS Y TÉCNICAS (Estado del Arte)

NOMBRE: Paula Andrea Bedoya Rojas. GRADO: 7.3. Institución Educativa Debora Arango P.

Bases moleculares del cáncer

MODELADO REJILLA ADAPTATIVA DE LAS CÉLULAS CANCEROSAS EN LA PRIMERA ETAPA DE LA INVASIÓN Grupo 1.

Búsqueda Básica Procesos de Recuperación Motores de Búsqueda 5 de Mayo de 2016 Universidad Nacional de Tucumán Facultad de Medicina A cargo de la Cátedra.

FISIOLOGIA MOLECULA MECANISMO DE ACCION EFECTOS BIOLOGICOS.

Modelado de complejidad en medicina, biología y neurociencia Patrones fractales y dimensión fractal Carlos Reynoso UNIVERSIDAD DE BUENOS AIRES

“Implementación de una técnica de bajo costo para la detección de mutaciones en el gen BRCA1 relacionadas con el desarrollo del cáncer de mamas” Dr. Alejandro.

PRIMEROS AUXILIOS PARA NIÑOS.

Modelado de complejidad en medicina, biología y neurociencia Autómatas celulares y modelos basados en agentes Carlos Reynoso UNIVERSIDAD DE BUENOS AIRES.

Transcripción de la presentación:

Modelado de complejidad en medicina, biología y neurociencia Autómatas celulares Carlos Reynoso UNIVERSIDAD DE BUENOS AIRES

Contexto Presentación complementaria de la sesión sobre Sistemas Complejos Adaptativos – Autómatas celularesPresentación complementaria de la sesión sobre Sistemas Complejos Adaptativos – Autómatas celulares Sistemas Complejos Adaptativos – Autómatas celulares Sistemas Complejos Adaptativos – Autómatas celulares

Aplicaciones Modelado epidemiológicoModelado epidemiológico Modelado de difusión espacialModelado de difusión espacial Herramienta auxiliar para reconocimiento de patrones – Técnicas complementariasHerramienta auxiliar para reconocimiento de patrones – Técnicas complementarias –Metaheurísticas evolucionarias –Aprendizaje de máquina –Redes neuronales –Dimensión fractal y wavelets Modelado de desarrollo patológicoModelado de desarrollo patológico

Analogía entre neoplasmas malignos y crecimiento urbano (1/2) Warren Hern, U. Colorado (2008)Warren Hern, U. Colorado (2008)

Baltimore-Washington (Masek & al 2006)

Analogía entre neoplasmas malignos y crecimiento urbano (2/2) Rasgos propios de procesos de criticalidad auto- organizada – dinamicas-complejas/ dinamicas-complejas/ Metástasis (colonización distante) Crecimiento rápido Progresión (tasa creciente de expansión en nuevas colonias) Invariancia de escala Topofagia (devora los espacios disponibles) Falta de mecanismos antagónicos inhibitorios Apoptosis (resistencia a la extinción normal) –Semejanza con muerte celular programada de Penelas

Aplicaciones Gerda de Vries et al.Gerda de Vries et al.

Aplicaciones

Aplicaciones

Aplicaciones

Aplicaciones

Aplicaciones

Aplicaciones También se aplican técnicas de wavelets, redes neuronales y algoritmos de aprendizaje de máquina con lógica difusaTambién se aplican técnicas de wavelets, redes neuronales y algoritmos de aprendizaje de máquina con lógica difusa

Aplicaciones

Referencias

Bibliografía adicional Aniruddha Datta, Ashish Choudhary, Michael Bittner y Edward Dougherty Modeling and control in cancer genomics. Ioannou & al, Modeling and control of complex systems (Redes booleanas probabilistas)Aniruddha Datta, Ashish Choudhary, Michael Bittner y Edward Dougherty Modeling and control in cancer genomics. Ioannou & al, Modeling and control of complex systems (Redes booleanas probabilistas)

¿Preguntas?