Diseño de una aplicación para analizar espectros de orina obtenidos mediante resonancia nuclear magnética

Montero Martín, Laura (2017). Diseño de una aplicación para analizar espectros de orina obtenidos mediante resonancia nuclear magnética. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. y Sistemas de Telecomunicación (UPM), Madrid.

Description

Title: Diseño de una aplicación para analizar espectros de orina obtenidos mediante resonancia nuclear magnética
Author/s:
  • Montero Martín, Laura
Contributor/s:
  • Fraile Muñoz, Rubén
Item Type: Final Project
Degree: Grado en Ingeniería de Sistemas de Telecomunicación
Date: 6 July 2017
Subjects:
Freetext Keywords: Espectroscopia Cáncer próstata
Faculty: E.T.S.I. y Sistemas de Telecomunicación (UPM)
Department: Teoría de la Señal y Comunicaciones
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (2MB) | Preview
[img] Archive (ZIP) (Anexos) - Users in campus UPM only
Download (718kB)

Abstract

En este proyecto se presenta el desarrollo de una aplicación empleada para analizar espectros de resonancias nucleares magnéticas de muestras de orina. La aplicación permite obtener de forma automática información de los centros, anchuras y alturas de los distintos picos que forman estos espectros. Para ello, como de la señal tal cual se obtiene de la resonancia no se puede sacar esa información, es necesario obtener un modelo de la señal del cual se sepan todos los datos de los picos. Para conseguir este modelo se va a disponer de dos algoritmos de aprendizaje los cuales conseguirán que tras cada iteración el modelo sea más parecido a la señal real. Los dos algoritmos de aprendizaje utilizados son: Delta bar delta y RPROP. Ambos se basan en el descenso por gradiente, consiste en moverse en la dirección contraria del gradiente del error cuadrático. Con esto se consigue que la diferencia entre el modelo y la señal, el error, se vaya acercando al mínimo. Esta aplicación se va a desarrollar con el programa matemático Matlab. El cual tiene una herramienta denominada Matlab Guide que permite realizar una interfaz gráfica con muchas posibilidades. La aplicación proporciona además, datos sobre el número de iteraciones, el tiempo y el error de cada uno de los algoritmos. Esta información sirve para compararlos con el fin de identificar aquel que realiza mejor la aproximación a la señal entrante. Para poder compararlos es necesario realizar una serie de estudios estadísticos como son la función de distribución acumulada, el diagrama de caja y bigotes y la prueba Wilcoxon. Estos proporcionan información de los todos los valores en su conjunto y así es más fácil sacar conclusiones. Observando dichos resultados podemos decir que el algoritmo que menos tarda en modelar la señal es el Delta bar delta pero en cuanto al error no hay grandes diferencias entre un algoritmo y otro. Al final del proyecto se incluyen algunas posibles mejoras de esta aplicación, ya que como abarca muchos campos no ha habido tiempo de profundizar en todos ellos. Abstract: The aim of this project is to develop an application which analyses the NMR spectra in order to know the heights, the weights and the centers of the different peaks which compose the signal. The NMR spectra does not give this information so a model of the signal is needed. All the information about the peaks is represented as free parameters of the model. Two different learning algorithms are used to find the optimal values of such parameters, thus making the model as similar as possible to the original signal. The two algorithms used are: Delta bar delta and RPROP. Both of them are based in the gradient descent rule. It consists in moving in the opposite direction of the error gradient. Doing that the error is reduced, moving until achieve the minimum. The variable error is the difference between the real signal and the model. The application is going to be developing with the calculus program Matlab which includes the Matlab guide tool. This tool gives us a lot of opportunities. Apart from that, the application shows statistical information about both algorithms: time, iterations and error. With this information it is possible to decide which is the most appropriate method to shape the input signal. In order to compare both algorithms some statistics studies are needed. For example: cumulative distribution function, box and whisker plot and Wilcoxon test. These studies give information about all the values in the group making easier the comparison. In conclusion, with the results reported below we can say that the faster algorithm is Delta bar delta but regarding the magnitude of error both of them are really similar. At the end of this project there are described some suggestions for improvement the application. Due to the high number of fields which are involved in the design of the program It is very difficult to go in depth into each one.

More information

Item ID: 52912
DC Identifier: http://oa.upm.es/52912/
OAI Identifier: oai:oa.upm.es:52912
Deposited by: Biblioteca Universitaria Campus Sur
Deposited on: 02 Nov 2018 16:42
Last Modified: 02 Nov 2018 16:42
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM