El grupo de investigación SIMDA está compuesto por un equipo multidisciplinar que centra sus actividades en el modelado y desarrollo de sistemas inteligentes. Buscamos sacar el máximo provecho de este entorno multidisciplinar y estamos abiertos a trabajar con otras instituciones, tanto académicas como médicas y de la industria.
Entre los proyectos actuales del grupo destacan la línea de investigación AI4EICI (Artificial Intelligence for Early Identification of Cognitive Impairment), centrada en la detección temprana del deterioro cognitivo mediante Inteligencia Artificial, y el desarrollo de soluciones de robótica social para la intervención y el apoyo a personas con Trastornos del Espectro Autista (TEA).
Si usted está interesado en colaborar con nosotros durante sus estudios o realizar un proyecto con nosotros (proyecto de fin de grado, proyecto de fin de máster, doctorado, etc.), por favor, póngase en contacto con los investigadores principales de las líneas de investigación abiertas que se muestran más abajo.
Dentro de las líneas de trabajo del grupo SIMDA, ofrecemos trabajos de investigación orientados a TFG/TFM en robótica autónoma y asistencial. En particular, nuestra investigación se centra en algoritmos de navegación autónoma basados en propiedades geométricas del espacio, sistemas multi-robot, interacción humano-robot, particularmente en niños con TEA, y control de robots mediante el uso de procesadores biológicos (cultivos celulares).
Si estás interesado en realizar tu TFG/TFM con nosotros, visita nuestra página web donde encontrarás información ampliada sobre los temas y requisitos necesarios.
Contacto: Félix de la Paz (delapaz@dia.uned.es)
Los proyectos ofertados en esta línea están relacionados con los principales paradigmas de la Computación Evolutiva, como los algoritmos genéticos, las estrategias evolutivas y la programación genética. La investigación se organiza en tres líneas principales:
Esta línea desarrolla técnicas de Computación Evolutiva aplicadas al procesamiento, segmentación, detección y análisis de imágenes. Los trabajos permiten explorar cómo los algoritmos evolutivos pueden optimizar procesos de visión por computador en distintos dominios de aplicación, especialmente en imagen médica.
Entre los proyectos desarrollados anteriormente se incluyen aplicaciones de Visión Artificial para el análisis automático de imágenes médicas.
Esta línea investiga el diseño automático de modelos mediante técnicas de Computación Evolutiva. Se abordan problemas relacionados con el diseño de circuitos electrónicos, modelos industriales, hardware, funciones matemáticas, redes neuronales y otros sistemas susceptibles de ser optimizados mediante algoritmos evolutivos.
Esta línea está orientada al estudio de los fundamentos de la Computación Evolutiva y al desarrollo de nuevos modelos, operadores y mecanismos evolutivos. Entre los trabajos realizados se incluyen investigaciones sobre mecanismos de selección, estrategias evolutivas y nuevos enfoques para mejorar el rendimiento de los algoritmos evolutivos.
Los estudiantes interesados en desarrollar un TFG, TFM o tesis en esta línea deberían reunir, preferentemente, las siguientes características:
Puedes consultar la oferta de proyectos disponible de TFG y TFM para el próximo curso académico y los trabajos desarrollados en el pasado.
Contacto: Enrique J. Carmona (ecarmona@dia.uned.es)
La linea de investigación de Visión Artificial desarrolla soluciones basadas en Inteligencia Artificial para la extracción y modelado de conocimiento a partir de imágenes, vídeo y otras fuentes de datos complejas. La investigación combina técnicas de Visión por Computador, Aprendizaje Automático y Aprendizaje Profundo para abordar problemas de análisis, interpretación y apoyo a la toma de decisiones en distintos dominios de aplicación. En este momento, existen las siguientes lineas de investigación:
Esta línea desarrolla sistemas inteligentes para el análisis automático de imágenes clínicas de la cavidad oral con el objetivo de facilitar la detección precoz y el diagnóstico asistido de lesiones potencialmente malignas y cáncer oral.
Contacto: Margarita Bachiller (marga@dia.uned.es)
Esta línea explora cómo la Inteligencia Artificial y la Visión por Computador pueden contribuir al desarrollo de neuroprótesis visuales capaces de mejorar la percepción del entorno en personas con discapacidad visual. Actualmente, esta investigación se desarrolla en el marco del proyecto AI4BRAIN, en colaboración con la Universidad Politécnica de Cartagena (UPCT) y la Universidad Miguel Hernández (UMH).
La participación de la UNED se centra en el desarrollo de técnicas bioinspiradas de Inteligencia Artificial para el procesamiento de imágenes y el modelado retiniano, con el objetivo de generar representaciones visuales más eficientes para sistemas de visión protésica (Proyecto AI4BRAIN-UNED).
Contacto: Mariano Rincón (mrincon@dia.uned.es)
Esta línea desarrolla técnicas de análisis de imágenes de resonancia magnética estructural y funcional para el estudio del cerebro, incluyendo localización, caracterización y seguimiento de estructuras cerebrales y apoyo al diagnóstico. El estado actual de la tecnología permite disponer, de manera no invasiva, de gran variedad de imágenes del cerebro. Los estudios de neuroimagen se centran en el análisis del cerebro a distintas escalas, intentando identificar la relación entre estructura, función y comportamiento. Nosotros nos centramos, entre otros temas, en el análisis de imágenes de resonancia magnética tanto funcional como estructural en distintos niveles de abstracción.
A lo largo de los últimos años hemos participado en diversos proyectos de investigación relacionados con el análisis de imágenes biomédicas. Entre ellos destaca el proyecto 018‐ABEL‐CM‐2013, centrado en el desarrollo de técnicas de visión artificial para la caracterización de objetos amorfos en imágenes 2D y 3D, aplicadas al estudio de lesiones cerebrales focales. Asimismo, hemos trabajado en el análisis de imágenes de resonancia magnética funcional en estado de reposo (Resting-State fMRI), desarrollando métodos de agrupamiento, clasificación y apoyo al diagnóstico basados en el estudio de las principales redes funcionales cerebrales.
Contacto: Mariano Rincón (mrincon@dia.uned.es)
Esta línea investiga modelos de Inteligencia Artificial capaces de analizar y valorar automáticamente aspectos estéticos de imágenes y visualizaciones, aplicando principios procedentes de la psicología, la neurociencia y el diseño.
Actualmente participa en la difusión del proyecto G-GI3000/IDIK, orientado a la valoración automática de la integración paisajística de infraestructuras mediante información visual.
Contacto: Mariano Rincón (mrincon@dia.uned.es)
Si deseas realizar un TFG, TFM o tesis en esta línea de investigación, puedes consultar la oferta de proyectos disponible para el próximo curso académico.
Contacto: Mariano Rincón (mrincon@dia.uned.es); Margarita Bachiller (marga@dia.uned.es)
La línea de Ciencia de Datos y Aprendizaje automático desarrolla métodos, algoritmos y herramientas para la extracción de conocimiento a partir de datos de diversa naturaleza y volumen, desde conjuntos de datos reducidos hasta grandes repositorios, mediante técnicas de análisis estadístico, minería de datos, aprendizaje automático, aprendizaje profundo e inteligencia artificial. Sus actividades de investigación incluyen el modelado predictivo, el análisis y la integración de datos, el descubrimiento de patrones, el apoyo a la toma de decisiones y la visualización de la información, con aplicaciones en ámbitos como la salud, la educación, la seguridad, la ingeniería y la investigación científica.
Esta línea investiga el desarrollo y aplicación de técnicas de Inteligencia Artificial y Ciencia de Datos para apoyar la detección precoz, el diagnóstico y el seguimiento del deterioro cognitivo y otros trastornos neuropsicológicos. Los proyectos incluyen el análisis de datos clínicos, pruebas neuropsicológicas tradicionales y evaluaciones inmersivas mediante Realidad Virtual, con el objetivo de desarrollar herramientas de apoyo a la decisión clínica.
En la actualidad, esta línea se desarrolla principalmente a través del proyecto SCREENIA, continuación del proyecto IDENTIA, centrados en el desarrollo de sistemas inteligentes para la detección temprana del deterioro cognitivo mediante el análisis de biomarcadores digitales y técnicas de Inteligencia Artificial (AI4EICI).Si deseas realizar un TFG, TFM o tesis en esta línea de investigación, puedes consultar la oferta de proyectos disponible para el próximo curso académico.
Contacto: Estela Díaz (ediazlopez@dia.uned.es)
La línea de Inteligencia Artificial Simbólica e Ingeniería del Conocimiento desarrolla modelos, métodos y herramientas para la representación del conocimiento, el razonamiento automático y el diseño de sistemas inteligentes capaces de apoyar la toma de decisiones en diferentes dominios de aplicación. Los proyectos combinan técnicas de Inteligencia Artificial, Ingeniería del Conocimiento, ontologías y aprendizaje automático, con aplicaciones en educación, salud y sistemas inteligentes.
Esta línea de investigación desarrolla tecnologías inteligentes para apoyar la evaluación, la intervención y el seguimiento en contextos psicoeducativos. Mediante técnicas de Inteligencia Artificial, Aprendizaje Automático e Ingeniería del Conocimiento se diseñan herramientas que facilitan la personalización del aprendizaje, la identificación temprana de necesidades educativas y el apoyo a la toma de decisiones de docentes y orientadores.
Los proyectos incluyen sistemas inteligentes de recomendación, asistentes educativos, modelos predictivos del rendimiento académico, herramientas de evaluación psicopedagógica y plataformas de apoyo para alumnado con necesidades específicas de apoyo educativo.
Las enfermedades neurodegenerativas han adquirido una especial relevancia debido al envejecimiento progresivo de la población. Esta línea investiga la aplicación de técnicas de Inteligencia Artificial al análisis de estudios neuropsicológicos para favorecer la detección temprana del deterioro cognitivo y facilitar el desarrollo de herramientas de apoyo a la evaluación clínica.
Actualmente se trabaja en el análisis de memoria semántica, pruebas cognitivas, pruebas gráficas realizadas por personas mayores, buscando identificar patrones compatibles con el desarrollo de enfermedades neurodegenerativas en fases iniciales.
Si deseas realizar un TFG, TFM o tesis en esta línea de investigación, puedes consultar la oferta de proyectos disponible para el próximo curso académico.
Contacto: Rafael Martínez (rmtomas@dia.uned.es)