José Alberto Mesa Murgado – Living-Lang

Automatic medical protocol classification using machine learning approaches

José Alberto Mesa Murgado — Wed, 03 Mar 2021 12:50:07 +0000

La asignación de protocolos de procedimientos de imagen médica requiere un amplio conocimiento de los datos del paciente, generalmente incluidos en los formularios de solicitud radiológica y en los informes radiológicos. La asignación del protocolo es necesaria antes de la adquisición del estudio radiológico, determinando el procedimiento para cada paciente. La automatización de este proceso de asignación de protocolos podría mejorar la eficiencia del diagnóstico del paciente. La inteligencia artificial ha demostrado ser de gran ayuda en estos problemas relacionados con la asistencia sanitaria, y concretamente la aplicación de técnicas de Procesamiento del Lenguaje Natural (PLN) para extraer información de los informes de texto se ha utilizado con éxito en tareas de clasificación automática de textos.

Cita bibliográfica: Computer Methods and Programs in Biomedicine
Volume 200, March 2021, 105939 https://doi.org/10.1016/j.cmpb.2021.105939

Enlace a publicación: https://www.sciencedirect.com/science/article/pii/S0169260721000134

HT Médica apuesta por la Inteligencia Artificial en la detección del COVID19

José Alberto Mesa Murgado — Thu, 25 Feb 2021 13:36:52 +0000

Una nueva herramienta ayuda a la identificación y notificación de los estudios de TAC con hallazgos compatibles con COVID19. El grupo de trabajo de Inteligencia Artificial (IA) de HT Médica, en coordinación con el Área de Lenguajes y Sistemas Informáticos de la Universidad de Jaén, ha desarrollado una herramienta de Inteligencia Artificial (IA) basada en el procesamiento natural del lenguaje, con el objetivo de ayudar en el proceso de notificación interna de los estudios de TAC que muestren hallazgos compatibles con afectación por COVID19.

Enlace a noticia: https://www.htmedica.com/Noticias-Grupo-HT/noticias-de-interes-general/ht-m%C3%A9dica-apuesta-por-la-inteligencia-artificial-en-la

How Successful Is Transfer Learning for Detecting Anorexia on Social Media?

José Alberto Mesa Murgado — Fri, 19 Feb 2021 12:53:00 +0000

La anorexia es un trastorno mental que implica graves anomalías en el comportamiento de ingesta nutricional. Este comportamiento conduce a una pérdida de peso importante, que puede provocar una desnutrición grave. En concreto, los trastornos alimentarios presentan la mayor tasa de mortalidad de todas las enfermedades mentales. La identificación temprana de la anorexia, junto con el tratamiento adecuado, mejora la velocidad de recuperación de los pacientes. En la actualidad existe una asociación fuerte y consistente entre el uso de las redes sociales y las preocupaciones alimentarias. El procesamiento del lenguaje natural, una rama de la inteligencia artificial, tiene el potencial de contribuir a la detección temprana de la anorexia en los datos textuales. Actualmente, aún queda mucho camino por recorrer en la identificación de la anorexia en los medios sociales debido al escaso número de textos disponibles y, de hecho, la mayoría de ellos se centran en el tratamiento de textos en inglés. La principal aportación de este trabajo es la aplicación de técnicas de aprendizaje de transferencia mediante modelos basados en Transformer para la detección de anorexia en tuits escritos en español. En particular, comparamos el rendimiento entre los modelos multilingües y monolingües ya disponibles, y realizamos un análisis de errores para comprender las capacidades de estos modelos para el español

Cita bibliográfica: Appl. Sci. 2021, 11(4), 1838; https://doi.org/10.3390/app11041838

Autores: López Úbeda, Pilar | Plaza del Arco, Flor Miriam | Díaz Galiano, Manuel Carlos | Martín Valdivia, María Teresa

Enlace a publicación: https://www.mdpi.com/2076-3417/11/4/1838/htm

Desarrollan un rastreador inteligente que identifica tuits ofensivos contra mujeres y migrantes

José Alberto Mesa Murgado — Mon, 18 Jan 2021 08:10:00 +0000

Un equipo de investigación de la Universidad de Jaén aplica este sistema para reconocer comentarios misóginos y racistas en Twitter. Esta tecnología aprende y distingue los matices de un amplio registro de frases, palabras e insultos en castellano. Así, los expertos enfocan esta inteligencia artificial como método para detectar mensajes de odio en la red social.

El grupo de investigación Sistemas de Acceso Inteligente a la Información (SINAI) de la Universidad de Jaén ha desarrollado un sistema basado en inteligencia artificial para identificar mensajes misóginos y xenófobos en Twitter. Este método puede utilizarse en ámbitos como el policial y el jurídico para localizar mensajes de odio, así como para moderar el lenguaje de los tuits generados en la red social. El programa se basa en algoritmos de aprendizaje automático, entre ellos, las redes neuronales, estructuras que imitan el funcionamiento del cerebro humano y que ‘aprenden’ a identificar los matices de los mensajes.

Cita bibliográfica: “Detecting Misogyny and Xenophobia in Spanish Tweets Using Language Technologies”. ACM Trans. Internet Technol. 20, 2, Article 12, 19 páginas.

Autores: Plaza Del Arco, Flor Miriam | Molina González, María Dolores | Ureña López, L. Alfonso | Martín Valdivia, María Teresa

Enlace a noticia: https://fundaciondescubre.es/noticias/development-of-a-smart-tracker-that-identifies-offensive-tweets-against-women-and-migrants/

COVID-19 detection in radiological text reports integrating entity recognition

José Alberto Mesa Murgado — Wed, 23 Dec 2020 12:45:00 +0000

El diagnóstico de COVID-19 suele basarse en la prueba PCR que utiliza imágenes radiológicas, principalmente la Tomografía Computarizada (TC) de tórax para la evaluación de la afectación pulmonar por COVID-19. Sin embargo, los informes radiológicos textuales también contienen información relevante para determinar la probabilidad de presentar signos radiológicos de COVID-19 que afecten a los pulmones.

El desarrollo de sistemas de detección automática de COVID-19 basados en técnicas de Procesamiento del Lenguaje Natural (PLN) podría ser de gran ayuda para apoyar a los clínicos y detectar trastornos relacionados con COVID-19 dentro de los informes radiológicos. En este trabajo proponemos un sistema de clasificación de textos basado en la integración de diferentes fuentes de información.

El sistema puede utilizarse para predecir automáticamente si un paciente tiene o no hallazgos radiológicos consistentes con COVID-19 sobre la base de informes radiológicos de TAC de tórax. Para llevar a cabo nuestros experimentos utilizamos 295 informes radiológicos de estudios de TC de tórax proporcionados por la clínica ”HT médica”. Todos ellos son solicitudes radiológicas con sospecha de afectación torácica por COVID-19. Para entrenar nuestro sistema de clasificación de textos aplicamos enfoques de aprendizaje automático y reconocimiento de entidades nombradas.

El sistema toma como entrada dos fuentes de información: el texto del informe radiológico y los trastornos relacionados con COVID-19 extraídos de SNOMED-CT. El mejor sistema se entrena mediante SVM y los resultados de referencia alcanzan un 85% de precisión en la predicción de la afectación pulmonar por COVID-19, lo que ya ofrece valores competitivos difíciles de superar. Además, aplicamos información mutua para integrar la información de mejor calidad extraída de SNOMED-CT. De este modo, logramos una precisión de alrededor del 90%, mejorando los resultados de referencia en 5 puntos.

Cita bibliográfica: Computers in Biology and Medicine Volume 127, December 2020, 104066 https://doi.org/10.1016/j.compbiomed.2020.104066

Enlace a publicación: https://www.sciencedirect.com/science/article/pii/S0010482520303978

SINAI at SemEval-2020 Task 12: Offensive language identification exploring transfer learning models

José Alberto Mesa Murgado — Sat, 12 Dec 2020 12:16:16 +0000

Este documento describe la participación del equipo del SINAI en la tarea 12: OffensEval 2: Multilingual Offensive Language Identification in Social Media. En particular, la participación en la subtarea A en inglés que consiste en identificar tuits como ofensivos o no ofensivos. Preprocesamos el conjunto de datos en función de las características lingüísticas utilizadas en las redes sociales.

Cita Bibliográfica: International Workshop on Semantic Evaluation 2020

Autores: Plaza del Arco, Flor Miriam| Molina González, M. Dolores | Ureña López, L. Alfonso | Martín Valdivia, María Teresa

URL:
https://www.aclweb.org/anthology/2020.semeval-1.211.pdf

Investigadores de la UJA desarrollan un sistema de inteligencia artificial que permite extraer información relevante de informes radiológicos relacionada con la COVID-19

José Alberto Mesa Murgado — Wed, 02 Dec 2020 11:38:13 +0000

Investigadores del grupo SINAI (Sistemas INteligentes de Acceso a las Información) de la Universidad de Jaén, junto con radiólogos de la clínica HT Médica, han desarrollado un sistema de inteligencia artificial basado en tecnologías del lenguaje y aprendizaje automático que analiza la información textual incluida en los informes radiológicos escritos tras la exploración de una Tomografía Axial Computarizada (TAC) de tórax con el objetivo de extraer información relevante relacionada con la COVID-19.

El trabajo, denominado ‘Detección de COVID-19 en informes radiológicos de texto que integran el reconocimiento de entidades’ (‘COVID-19 detection in radiological text reports integrating entity recognitionha’) sido publicado por la revista científica Computers in Biology and Medicine de ELSEVIER.

Enlace a noticia: https://diariodigital.ujaen.es/investigacion-y-transferencia/investigadores-de-la-uja-desarrollan-un-sistema-de-inteligencia

Overview of TASS 2020: Introducing Emotion Detection

José Alberto Mesa Murgado — Mon, 23 Nov 2020 12:39:56 +0000

La Tarea de Análisis Semántico en la SEPLN (tarea TASS dentro del taller IberLEF 2020) tuvo lugar el 22 de septiembre, alcanzando su novena edición. Debido a la pandemia de COVID-19, el número de participantes
es menor en comparación con las campañas anteriores. Además, los organizadores decidieron celebrarlo a distancia. En esta edición se organizó de nuevo la clásica subtarea de clasificación de la polaridad. Como novedad, se propuso una segunda subtarea propuesta para fomentar la investigación en la detección de emociones de textos en español sobre un nuevo conjunto de datos. Este documento resume los diferentes enfoques de los equipos que participaron, las ideas clave de sus sistemas y los resultados obtenidos para todas las soluciones propuestas.

Cita bibliográfica: Iberian Languages Evaluation Forum (IberLEF 2020) co-located with 36th Conference of the Spanish Society for Natural Language Processing (SEPLN 2020)

Enlace a publicación: http://ceur-ws.org/Vol-2664/tass_overview.pdf

Crean una App a la que insultar para generar un diccionario de palabras malsonantes

José Alberto Mesa Murgado — Sun, 22 Nov 2020 08:05:52 +0000

Investigadores de las universidades de Jaén y Alicante ponen en marcha una app a la que insultar para generar un lexicón de palabras malsonantes y así poder detectarlas en la red.

Investigadores del grupo SINAI (Sistemas Inteligentes de Acceso a la Información) de la Universidad de Jaén (UJA) y de la Universidad de Alicante han creado una App para que la gente escriba insultos y realizar un listado de palabras malsonantes y así poder localizarlas luego en la red.

La aplicación, un ‘bot’ llamado FIERO, guarda los insultos y los almacena para crear uno de los recursos lingüísticos más usados en Tecnologías del Lenguaje Humano (TLH): los lexicones o listados de palabras.

Este ‘diccionario de insultos’ ayudará a entrar mediante algoritmos de aprendizaje automático sistemas de ordenadores basados en Tecnologías el Lenguaje Humano y dar solución a diversos problemas sociales con presencia en las redes. Entre ellos, la localización de ‘fake news’, ciberacoso, uso del discurso de odio en redes e incluso la detección de problemas de salud mental como trastornos alimenticios, depresión o suicidio.

“Para desarrollar estos sistemas es fundamental e imprescindible contar con recursos lingüísticos que permitan entrenar a los sistemas de aprendizaje automático, concretamente, para los sistemas de detección automática de lenguaje ofensivo, es muy interesante contar con distintos diccionarios y lexicones de insultos, palabras malsonantes”, informan a los medios desde el grupo SINAI.

Enlace a noticia: https://www.antena3.com/noticias/tecnologia/crean-app-que-insultar-generar-diccionario-palabras-malsonantes_202011225fbac8e24674470001d191a5.html

Demostración en directo (diferido):

Procesamiento del lenguaje natural: el arma que da voz a las máquinas

José Alberto Mesa Murgado — Fri, 13 Nov 2020 08:01:00 +0000

El grupo de investigación de Sistemas de Acceso Inteligente a la Información (SINAI) de la Universidad de Jaén trabaja en el desarrollo de un sistema de procesamiento del lenguaje natural con el que se podrá combatir las fake news y profundizar en las relaciones semánticas entre máquinas diferentes.

¿Cuántas maneras de negar existen? Seguramente en un breve repaso mental surjan decenas y, en un buen número de ellas, ni tan siquiera aparezca palabra “no”. El lenguaje humano puede considerarse como una de las formas de expresión más complejas, con una capacidad de expresión prácticamente infinita, a partir tan solo de menos de una treintena de letras y una serie de reglas para combinarlas. Una estructura que domina, sin muchos problemas, un niño de tres años, pero que para los ordenadores todavía sigue siendo un reto.

El procesamiento del lenguaje natural por parte de máquinas es uno de los campos más apasionantes de la inteligencia artificial, porque supone dotar a las computadoras de una capacidad que las acerca mucho a los seres humanos.

Enlace a la noticia: https://novaciencia.es/procesamiento-lenguaje-natural-uja/