Análisis de datos y detección de patrones en series temporales de interacción social. Aplicación al diagnóstico y monitorización en patologías de reconocimiento y empatía

Casco Catalán, Eduardo
González Bedia, Manuel (dir.)

Universidad de Zaragoza, EINA, 2016
Departamento de Informática e Ingeniería de Sistemas, Área de Lenguajes y Sistemas Informáticos

Ingeniero de Telecomunicación

Resumen: Este proyecto da continuidad al estudio experimental multidisciplinar sobre cruce perceptual desarrollado en el Servicio de Psiquiatría del Hospital Miguel Servet de Zaragoza y realizado por el grupo ISAAC (Interdisciplinary Studies in Adaptivity, Autonomy and Cognition) del Departamento de Informática e Ingeniería de Sistemas de la Universidad de Zaragoza. Los datos registrados en el experimento son sometidos a análisis con el objetivo de descifrar las claves de interacción social. El análisis propuesto por el grupo ISAAC difiere de los realizados por otros grupos de investigación ya que se basa en la estructura fractal de las series temporales. Comprender las claves de la interacción social reflejadas en el cruce perceptual, identificar las estrategias desarrolladas por los individuos en el experimento y determinar los indicadores más apropiados en las series temporales permite abordar el análisis de forma rigurosa y plantear su aplicación en el diagnóstico y monitorización de patologías de reconocimiento y empatía. Para poder llevar a cabo dicho análisis es necesario realizar algunas tareas previas. En primer lugar es necesario convertir los datos registrados (en formato JSON) a estructuras de Matlab para que sean accesibles desde el entorno de trabajo (todos los algoritmos se desarrollan en Matlab), organizar y clasificar la información. Además se esboza una base de datos basada en programación orientada a objetos. En segundo lugar es necesario concretar la señal de interés. Para ello es fundamental tener en cuenta tres aspectos importantes: el objetivo que se pretende alcanzar con el experimento (dónde es posible encontrar información relevante en las series temporales registradas), los fundamentos en los que se basa el análisis (qué características se presuponen en la señal a analizar) y las propiedades o supuestos que permiten llevar a cabo un modelo estadístico de la población a partir de los resultados obtenidos en el análisis (cómo agrupar los datos registrados). Se concluye que la señal que mejor se ajusta al objetivo del experimento es aquella que permite interpretar las decisiones de cada individuo según el concepto de camino aleatorio. En tercer lugar es necesario adecuar la señal de interés a los requisitos del análisis: muestreo uniforme. Se plantean tres posibles soluciones que permiten reconstruir la señal: sample&hold; (primera idea intuitiva), sample&hold; con filtrado paso bajo (segunda solución), e interpolación (tercera solución). Tras realizar un estudio de las características de los datos registrados, se discuten los aspectos más importantes (tiempo de muestreo, frecuencia de corte) así como las especificaciones e implementación de las etapas de filtrado e interpolación. Para cada una de las tres soluciones propuestas se estima en la medida de lo posible el error cometido así como el efecto que provoca dicha solución sobre el resultado final del análisis DFA. En cuarto lugar se realiza el análisis DFA (detrended fluctuación analysis) basado en la estructura fractal de las series temporales y que estudia las correlaciones de largo alcance que presentan los patrones desarrollados por los individuos en el experimento. A partir de los resultados obtenidos en el análisis se lleva a cabo el modelado estadístico de la población para comprobar si existen diferencias significativas entre el grupo de estudio y el grupo de control.

Tipo de Trabajo Académico: Proyecto Fin de Carrera