Consultar por División

Subir un nivel
Exportar como [feed] Atom [feed] RSS 1.0 [feed] RSS 2.0
Agrupar por: Fecha | Título | Autores | Tipo de Documento | Sin Agrupar
Ir a: C | D | E | N | P | S | V
Número de registros en este nivel: 10.

C

Otro Materias > Alimentación Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC
Abierto Inglés, Español, Italiano, Portugués Composición Nutricional es un espacio creado para proporcionar una serie de servicios de valor añadido, ofreciendo herramientas, recursos e informaciones sobre programas de formación e investigación para profesionales e interesados en el ámbito de la nutrición y salud. metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2022) Composición Nutricional. Repositorio de la Universidad.

D

Otro Materias > Ciencias Sociales Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC
Cerrado Inglés, Español A partir de los datos introducidos y de diferentes escenarios, la herramienta del simulador digital genera distintos retos a los estudiantes-emprendedores para poner a prueba y evaluar la parte financiera de una propuesta de emprendimiento y también ofrece recomendaciones en función de la aportación real de diferentes agentes financieros como bancos, inversores privados, business angels o plataformas de financiación colaborativa. metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2023) Digital Simulator for Entrepreneurial Finance (FINANCEn_LAB). Repositorio de la Universidad.

E

Otro Materias > Educación física y el deporte Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC
Abierto Español El objetivo de esta investigación es estudiar cuál es el mecanismo de protección ante las consecuencias de la ganancia excesiva de peso en el embarazo en mujeres físicamente activas. Dados los resultados de las investigaciones realizadas acerca de la función endocrina y paracrina del músculo esquelético y la liberación de miokinas, una de las principales líneas de trabajo será estudiar la relación entre la presencia de miokinas y los beneficios obtenidos por el ejercicio físico. Se inicia el proyecto realizando una revisión del estado del arte en dos áreas en cuanto a ejercicio físico y liberación de miokinas y por otro lado, del tipo de ejercicio que más beneficios reporta en el proceso de gestación. Se lleva a cabo un ensayo clínico con el Hospital Universitario Marqués de Valdecilla para observar el efecto del ejercicio físico durante el embarazo en la liberación de miokinas y en la prevención de la ganancia excesiva de peso y sus consecuencias. Como resultado del proyecto se ha generado la página web www.embactiva.es que ha sido presentada en la primera reunión de la Red Temática Española de Ejercicio durante el Embarazo. Esta web está siendo reconocida como enlace de interés desde la Sociedad Española de Ginecología y Obstetricia (SEGO), El Hospital Universitario de Fuenlabrada, ANIS, Farmacosalud, Clínica Zuatzu, entre otros. metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2017) Estudio de la influencia del ejercicio físico durante el embarazo en la prevención de las consecuencias de la ganancia excesiva de peso - EFEMBARAZO. Repositorio de la Universidad. (Inédito)

N

Otro Materias > Ciencias Sociales
Materias > Ingeniería
Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC
Abierto Inglés La aplicación “Navigating Tourism in Crisis” está dirigida directamente a nuevos empresarios y con experiencia, interesados en prosperar en el difícil sector turístico, especialmente durante crisis turbulentas. Contiene enlaces a todos los recursos creados dentro de este proyecto, incluidos vídeos, podcasts, estudios de casos y cursos modulares, centrándose especialmente en la accesibilidad de los materiales de aprendizaje para aquellos que quieren evitar pasar largas horas delante de un ordenador. metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2023) Navigating SMEs in the tourism sector through crisis (T-CRISIS-NAV). Repositorio de la Universidad.

Otro Materias > Ingeniería Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC
Cerrado Español Como resultado del proyecto “Nuevos mecanismos para conocer el riesgo de lesión en el deporte en diferentes tramos de la temporada deportiva” se ha generado una herramienta digital que permite llevar el control de las lesiones de cada deportista, así como sus constantes biomecánicas, hábitos de alimentación y estado de salud emocional de tal forma que, se cuenta con información que combina varios factores a un nivel de detalle importante y de modo personalizado para cada jugador. De este modo, se obtienen los inputs para generar el análisis estadístico que alerta sobre las probabilidades de sufrir determinada lesión. Objetivo del Proyecto: Desarrollar una herramienta que permita identificar el riesgo de lesión de un deportista, independientemente del nivel o categoría del mismo, y poder actuar en consecuencia de manera individualizada, según el período de la temporada en el que se encuentre. Financiación: Este proyecto ha sido cofinanciado por la Sociedad de Desarrollo Regional de Cantabria (SODERCAN) y el el Programa Operativo FEDER de Cantabria en el marco del programa denominado I+C= +C 2016 (Investigación + Conocimiento= +Cantabria) que tiene por objetivo el fortalecimiento del tejido industrial de la región. Inicio: 15/12/2016 Fin: 14/12/2018 Código Externo: ID16-IN-022 metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2016) Nuevos mecanismos para conocer el riesgo de lesión en el deporte en diferentes tramos de la temporada deportiva. R&P (Recovery and Performance). Repositorio de la Universidad. (Inédito)

P

Otro Materias > Ingeniería Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC
Cerrado Español El proyecto se centra en el desarrollo de tecnologías para la identificación de riesgos en espacios acuáticos naturales. A partir del conocimiento que se pretende generar, la entidad espera comercializar servicios de soporte para la gestión de riesgos, la acción preventiva y comunicación de emergencias. La propuesta se orienta a crear un sistema experto en la gestión de riesgos en espacios acuáticos naturales (playas), basado por un lado en una aplicación para la evaluación de riesgos, y por otro, en un sistema de registro y análisis de sucesos y accidentes. Esta herramienta debe permitir a los responsables de la gestión de la seguridad en zonas de baño una gestión adecuada y eficaz de los recursos preventivos para minimizar la probabilidad y severidad de riesgos que puedan afectar a la integridad física o a la salud de las personas, y en consecuencia, el aumento de la seguridad acuática en las costas. Objetivo del Proyecto: Desarrollar tecnologías para la identificación de riesgos en espacios acuáticos naturales con el objeto de prevenir ahogamientos y otros incidentes en zonas de playa. Financiación: Este proyecto ha sido cofinanciado por la Sociedad de Desarrollo Regional de Cantabria (SODERCAN) y el el Programa Operativo FEDER de Cantabria en el marco del programa denominado I+C= +C 2016 (Investigación + Conocimiento= +Cantabria) que tiene por objetivo el fortalecimiento del tejido industrial de la región. Inicio: 09/12/2016 Fin: 08/12/2018 Código Externo: ID16-IN-038 metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2016) PREVENT-SOS: Desarrollo de tecnologías para la identificación de riesgos en espacios acuáticos naturales. Repositorio de la Universidad. (Inédito)

S

Otro Materias > Ingeniería
Materias > Educación
Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC
Cerrado Español A pesar del gran incremento de la práctica deportiva en la sociedad occidental en los últimos años, aún hay, según fuentes de la UE, aproximadamente un 50% de la población europea que no hace ejercicio regularmente, lo que está generando un grave problema de salud, especialmente preocupante en la población infantil y juvenil. Del 50% de la población que hace deporte de forma regular, un porcentaje muy alto lo hace solo, en casa o en lugares abiertos públicos sin ninguna supervisión o control por parte de personal especializado, lo que conlleva un cierto riesgo de sufrir lesiones y/o patologías de diferente pronósticos. Ante esta situación compleja de tener la necesidad de promover la actividad física pero intentando aminorar el riesgo de la propia práctica, se propone el desarrollo de una aplicación móvil “freemium” que fomente el ejercicio y que integre una serie de tecnologías innovadoras para incorporar inteligencia artificial que aplicará sobre unos elementos de alerta que puedan generar avisos y geolocalizar al practicante de una forma rápida y eficaz. Entendemos que el desarrollo de este tipo de negocios de carácter tecnológico y de alto grado de responsabilidad social hacia la ciudadanía incrementará el tejido empresarial de Cantabria y generará nuevos puestos de trabajo estables y de alto nivel de formación. Las sinergias que se proponen con instituciones universitarias y de investigación fomentarán los ecosistemas profesionales relacionados con las nuevas tecnologías de la información, la salud y la seguridad. El objetivo de este sistema complejo que se propone es promover la actividad física segura de forma global. metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2016) SMART ACTIVE LIFE: Desarrollo de tecnologías inteligentes para la promoción de la vida activa y segura. Repositorio de la Universidad. (Inédito)

Otro Materias > Ingeniería Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC
Cerrado Español El ahogamiento es una de las principales causas de muerte en el mundo, alrededor de 372.000 personas al año, siendo una cifra que se considera subestimada (OMS, 2014). En consecuencia, existe la necesidad de mejorar esta situación considerada de salud pública. El objetivo del proyecto SOSeas es el desarrollo de una herramienta de evaluación para predecir el riesgo dinámico de los ahogamientos en las playas. En los espacios acuáticos recreativos se espera que una herramienta informática pueda mejorar la gestión de la seguridad por parte de los socorristas y también la información de riesgo de ahogamiento para los bañistas. Este proyecto es una continuidad del trabajo realizado en PreventSOS. En aquel caso el foco era el desarrollo de un sistema experto para la identificación, análisis y gestión del riesgo en espacios acuáticos y el diseño de una aplicación web para el registro de incidentes y accidentes. SOSeas pretende mejorar el servicio anterior integrando el sistema de información que provee el Copernicus Marine Environment Monitoring Service (CMEMS) en todo el mundo. Se pretende conseguir suficientes datos para poder nutrir a un sistema basado en técnicas de aprendizaje-máquina. La herramienta SOSeas se desarrolla para dos tipos de usuarios : gestores de playas/socorristas y usuarios recreativos (nadadores, navegantes, surfistas...). Estos usuarios podrán acceder a las condiciones meteorológicas y oceanográficas así como a información a medida sobre las amenazas de estos entornos siempre cambiantes. metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2019) SOSeas: An assessment tool for predicting the dynamic risk of drowning on beaches. Repositorio de la Universidad. (Inédito)

V

Otro Materias > Alimentación Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC
Abierto Inglés, Español, Portugués Se trata de una plataforma que integra cinco bots diferentes disponibles en cinco idiomas. El bot enseña al estudiante de nutrición y dietética a realizar un proceso de exploración clínica de forma online/interactiva. Estos bots proporcionan los siguientes casos: Gastroenterología, Diabetes mellitus tipo 1, enfermedades cardiovasculares y diabetes, obesidad y enfermedades renales. Cada bot dispone de un cuestionario relacionado con el ámbito de la nutrición, y una encuesta final para conocer la experiencia del usuario. Desarrollada en el marco del proyecto E+DIETing_LAB metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2025) Virtual Patient (E+DIETing_LAB). Repositorio de la Universidad.

Otro Materias > Alimentación Universidad Europea del Atlántico > Investigación > Herramientas TIC
Fundación Universitaria Internacional de Colombia > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana México > Investigación > Herramientas TIC
Universidad Internacional Iberoamericana Puerto Rico > Investigación > Herramientas TIC
Universidad Internacional do Cuanza > Investigación > Herramientas TIC
Universidad de La Romana > Investigación > Herramientas TIC
Abierto Inglés, Español, Portugués Una herramienta que ofrece una formación centrada en el Proceso de Atención Nutricional (PAN) y el servicio a la comunidad. Mediante videollamada las personas interesadas pueden recibir consejo dietético gratuito y unas recomendaciones de cómo mejorar su alimentación, bajo la supervisión de un profesor. Desarrollada en el marco del proyecto E+DIETing_LAB metadata SIN ESPECIFICAR mail SIN ESPECIFICAR (2025) Virtual nutritional clinic (E+DIETing_LAB). Repositorio de la Universidad.

<a href="/17858/1/s41598-025-18979-8.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>

en

open

Detection and classification of brain tumor using a hybrid learning model in CT scan images

Accurate diagnosis of brain tumors is critical in understanding the prognosis in terms of the type, growth rate, location, removal strategy, and overall well-being of the patients. Among different modalities used for the detection and classification of brain tumors, a computed tomography (CT) scan is often performed as an early-stage procedure for minor symptoms like headaches. Automated procedures based on artificial intelligence (AI) and machine learning (ML) methods are used to detect and classify brain tumors in Computed Tomography (CT) scan images. However, the key challenges in achieving the desired outcome are associated with the model’s complexity and generalization. To address these issues, we propose a hybrid model that extracts features from CT images using classical machine learning. Additionally, although MRI is a common modality for brain tumor diagnosis, its high cost and longer acquisition time make CT scans a more practical choice for early-stage screening and widespread clinical use. The proposed framework has different stages, including image acquisition, pre-processing, feature extraction, feature selection, and classification. The hybrid architecture combines features from ResNet50, AlexNet, LBP, HOG, and median intensity, classified using a multilayer perceptron. The selection of the relevant features in our proposed hybrid model was extracted using the SelectKBest algorithm. Thus, it optimizes the proposed model performance. In addition, the proposed model incorporates data augmentation to handle the imbalanced datasets. We employed a scoring function to extract the features. The Classification is ensured using a multilayer perceptron neural network (MLP). Unlike most existing hybrid approaches, which primarily target MRI-based brain tumor classification, our method is specifically designed for CT scan images, addressing their unique noise patterns and lower soft-tissue contrast. To the best of our knowledge, this is the first work to integrate LBP, HOG, median intensity, and deep features from both ResNet50 and AlexNet in a structured fusion pipeline for CT brain tumor classification. The proposed hybrid model is tested on data from numerous sources and achieved an accuracy of 94.82%, precision of 94.52%, specificity of 98.35%, and sensitivity of 94.76% compared to state-of-the-art models. While MRI-based models often report higher accuracies, the proposed model achieves 94.82% on CT scans, within 3–4% of leading MRI-based approaches, demonstrating strong generalization despite the modality difference. The proposed hybrid model, combining hand-crafted and deep learning features, effectively improves brain tumor detection and classification accuracy in CT scans. It has the potential for clinical application, aiding in early and accurate diagnosis. Unlike MRI, which is often time-intensive and costly, CT scans are more accessible and faster to acquire, making them suitable for early-stage screening and emergency diagnostics. This reinforces the practical and clinical value of the proposed model in real-world healthcare settings.

Producción Científica

Roja Ghasemi mail , Naveed Islam mail , Samin Bayat mail , Muhammad Shabir mail , Shahid Rahman mail , Farhan Amin mail , Isabel de la Torre mail , Ángel Gabriel Kuc Castilla mail angel.kuc@uneatlantico.es, Debora L. Ramírez-Vargas mail debora.ramirez@unini.edu.mx,

Ghasemi

<a class="ep_document_link" href="/17849/1/1-s2.0-S2590005625001043-main.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>

en

open

Ultra Wideband radar-based gait analysis for gender classification using artificial intelligence

Gender classification plays a vital role in various applications, particularly in security and healthcare. While several biometric methods such as facial recognition, voice analysis, activity monitoring, and gait recognition are commonly used, their accuracy and reliability often suffer due to challenges like body part occlusion, high computational costs, and recognition errors. This study investigates gender classification using gait data captured by Ultra-Wideband radar, offering a non-intrusive and occlusion-resilient alternative to traditional biometric methods. A dataset comprising 163 participants was collected, and the radar signals underwent preprocessing, including clutter suppression and peak detection, to isolate meaningful gait cycles. Spectral features extracted from these cycles were transformed using a novel integration of Feedforward Artificial Neural Networks and Random Forests , enhancing discriminative power. Among the models evaluated, the Random Forest classifier demonstrated superior performance, achieving 94.68% accuracy and a cross-validation score of 0.93. The study highlights the effectiveness of Ultra-wideband radar and the proposed transformation framework in advancing robust gender classification.

Producción Científica

Adil Ali Saleem mail , Hafeez Ur Rehman Siddiqui mail , Muhammad Amjad Raza mail , Sandra Dudley mail , Julio César Martínez Espinosa mail ulio.martinez@unini.edu.mx, Luis Alonso Dzul López mail luis.dzul@uneatlantico.es, Isabel de la Torre Díez mail ,

Saleem

<a class="ep_document_link" href="/17857/1/excli2025-8779.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>

en

open

Molecular mechanisms underlying the neuroprotective effects of polyphenols: implications for cognitive function

Polyphenols are naturally occurring compounds that can be found in plant-based foods, including fruits, vegetables, nuts, seeds, herbs, spices, and beverages, the use of which has been linked to enhanced brain health and cognitive function. These natural molecules are broadly classified into two main groups: flavonoids and non-flavonoid polyphenols, the latter including phenolic acids, stilbenes, and tannins. Flavonoids are primarily known for their potent antioxidant properties, which help neutralize harmful reactive oxygen species (ROS) in the brain, thereby reducing oxidative stress, a key contributor to neurodegenerative diseases. In addition to their antioxidant effects, flavonoids have been shown to modulate inflammation, enhance neuronal survival, and support neurogenesis, all of which are critical for maintaining cognitive function. Phenolic acids possess strong antioxidant properties and are believed to protect brain cells from oxidative damage. Neuroprotective effects of these molecules can also depend on their ability to modulate signaling pathways associated with inflammation and neuronal apoptosis. Among polyphenols, hydroxycinnamic acids such as caffeic acid have been shown to enhance blood-brain barrier permeability, which may increase the delivery of other protective compounds to the brain. Another compound of interest is represented by resveratrol, a stilbene extensively studied for its potential neuroprotective properties related to its ability to activate the sirtuin pathway, a molecular signaling pathway involved in cellular stress response and aging. Lignans, on the other hand, have shown promise in reducing neuroinflammation and oxidative stress, which could help slow the progression of neurodegenerative diseases and cognitive decline. Polyphenols belonging to different subclasses, such as flavonoids, phenolic acids, stilbenes, and lignans, exert neuroprotective effects by regulating microglial activation, suppressing pro-inflammatory cytokines, and mitigating oxidative stress. These compounds act through multiple signaling pathways, including NF-κB, MAPK, and Nrf2, and they may also influence genetic regulation of inflammation and immune responses at brain level. Despite their potential for brain health and cognitive function, polyphenols are often characterized by low bioavailability, something that deserves attention when considering their therapeutic potential. Future translational studies are needed to better understand the right dosage, the overall diet, the correct target population, as well as ideal formulations allowing to overcome bioavailability limitations.

Producción Científica

Justyna Godos mail , Giuseppe Carota mail , Giuseppe Caruso mail , Agnieszka Micek mail , Evelyn Frias-Toral mail , Francesca Giampieri mail francesca.giampieri@uneatlantico.es, Julién Brito Ballester mail julien.brito@uneatlantico.es, Maurizio Battino mail maurizio.battino@uneatlantico.es, Carmen Lilí Rodríguez Velasco mail carmen.rodriguez@uneatlantico.es, José L. Quiles mail jose.quiles@uneatlantico.es,

Godos

<a href="/17844/1/frai-1-1572645.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>

en

open

A systematic review of deep learning methods for community detection in social networks

Introduction: The rapid expansion of generated data through social networks has introduced significant challenges, which underscores the need for advanced methods to analyze and interpret these complex systems. Deep learning has emerged as an effective approach, offering robust capabilities to process large datasets, and uncover intricate relationships and patterns. Methods: In this systematic literature review, we explore research conducted over the past decade, focusing on the use of deep learning techniques for community detection in social networks. A total of 19 studies were carefully selected from reputable databases, including the ACM Library, Springer Link, Scopus, Science Direct, and IEEE Xplore. This review investigates the employed methodologies, evaluates their effectiveness, and discusses the challenges identified in these works. Results: Our review shows that models like graph neural networks (GNNs), autoencoders, and convolutional neural networks (CNNs) are some of the most commonly used approaches for community detection. It also examines the variety of social networks, datasets, evaluation metrics, and employed frameworks in these studies. Discussion: However, the analysis highlights several challenges, such as scalability, understanding how the models work (interpretability), and the need for solutions that can adapt to different types of networks. These issues stand out as important areas that need further attention and deeper research. This review provides meaningful insights for researchers working in social network analysis. It offers a detailed summary of recent developments, showcases the most impactful deep learning methods, and identifies key challenges that remain to be explored.

Producción Científica

Mohamed El-Moussaoui mail , Mohamed Hanine mail , Ali Kartit mail , Mónica Gracia Villar mail monica.gracia@uneatlantico.es, Helena Garay mail helena.garay@uneatlantico.es, Isabel de la Torre Díez mail ,

El-Moussaoui

<a class="ep_document_link" href="/17853/1/fmed-12-1600855.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>

en

open

Transformer-based ECG classification for early detection of cardiac arrhythmias

Electrocardiogram (ECG) classification plays a critical role in early detection and trocardiogram (ECG) classification plays a critical role in early detection and monitoring cardiovascular diseases. This study presents a Transformer-based deep learning framework for automated ECG classification, integrating advanced preprocessing, feature selection, and dimensionality reduction techniques to improve model performance. The pipeline begins with signal preprocessing, where raw ECG data are denoised, normalized, and relabeled for compatibility with attention-based architectures. Principal component analysis (PCA), correlation analysis, and feature engineering is applied to retain the most informative features. To assess the discriminative quality of the selected features, t-distributed stochastic neighbor embedding (t-SNE) is used for visualization, revealing clear class separability in the transformed feature space. The refined dataset is then input to a Transformer- based model trained with optimized loss functions, regularization strategies, and hyperparameter tuning. The proposed model demonstrates strong performance on the MIT-BIH benchmark dataset, showing results consistent with or exceeding prior studies. However, due to differences in datasets and evaluation protocols, these comparisons are indicative rather than conclusive. The model effectively classifies ECG signals into categories such as Normal, atrial premature contraction (APC), ventricular premature contraction (VPC), and Fusion beats. These results underscore the effectiveness of Transformer-based models in biomedical signal processing and suggest potential for scalable, automated ECG diagnostics. However, deployment in real-time or resource-constrained settings will require further optimization and validation.

Producción Científica

Sunnia Ikram mail , Amna Ikram mail , Harvinder Singh mail , Malik Daler Ali Awan mail , Sajid Naveed mail , Isabel De la Torre Díez mail , Henry Fabian Gongora mail henry.gongora@uneatlantico.es, Thania Chio Montero mail ,

Ikram