Seminario 11 de Abril 2023

JOCELYN DUNSTAN, PHD

Título: "Máquinas que detectan información clave en textos clínicos"

Biografía: Jocelyn Dunstan es una física que trabaja en salud pública y está especialmente interesada en utilizar el aprendizaje automático y el procesamiento del lenguaje natural para resolver problemas clave. Es académica de la Universidad Católica de Chile con nombramiento conjunto entre el Departamento de Ciencias de la Computación y el Instituto de Computación Matemática. También es investigadora en el Center for Mathematical Modeling (CMM), el Millenium Institute for Foundational Research on Data (IMFD) y el Institute for Intelligent Healthcare Engineering (iHealth). Su investigación se centra en la minería de textos clínicos y la priorización de pacientes y hoy hablará sobre cómo las máquinas pueden detectar información clave en textos clínicos.

SEBASTIÁN JARA

Título: "Modelo de red neuronal informado por la física para predecir la presión arterial en la arteria pulmonar"
Resumen: Las técnicas no invasivas actuales para medir la presión arterial pulmonar resultan costosas y muy limitadas, además ofrecen datos escasos y ruidosos. En algunos casos, pueden ser necesarias pruebas invasivas, como el cateterismo del corazón derecho. Aunque esta se considera una prueba segura, como cualquier procedimiento invasivo, presenta riesgos potenciales. Esta investigación propone un modelo de Physics Informed Neural Networks (PINN) que permite estimar, de forma no invasiva y a partir de un conjunto limitado de datos, la presión en la arteria pulmonar. Usando mediciones clínicas de velocidad y área en algunas secciones transversales de la bifurcación de la arteria pulmonar, e incluyendo un modelo de ecuación 1D diferenciales deducidos de las ecuaciones de Navier-Stokes, se destaca un modelo PINN que predice variaciones de presión, velocidad sanguínea y área seccional, a lo largo de la bifurcación arterial completa.

Biografía: Sebastián es profesor de matemáticas, con más de ocho años de experiencia en la enseñanza de matemáticas, física y estadística a nivel universitario. Tiene una maestría en estadística de la Universidad de Valparaíso y actualmente cursa el doctorado en ingeniería informática de la Universidad Técnica Federico Santa María (UTFSM), donde está interesado en las aplicaciones de redes neuronales a la solución numérica de ecuaciones diferenciales. Hoy hablará del trabajo que desarrolló durante su tesis de maestría, bajo la dirección de Rodrigo Salas, Julio Soterlo y Steren Chabert.

Galería