Mostrando las entradas con la etiqueta Noticias de Matematica. Mostrar todas las entradas
Mostrando las entradas con la etiqueta Noticias de Matematica. Mostrar todas las entradas

viernes

Matemática Serie 23

El ÁLGEBRA ayuda a construir edificios mas fuertes.

Podemos encontrar las raíces de polinomios en las teclas de un piano. Al pulsar una tecla se activa un martillo que golpea una cuerda que vibra a determinada frecuencia (velocidad), que es la que define la nota. Esta frecuencia es un número, y, de hecho, es la raíz de un polinomio que se define a partir de las características de la cuerda. Esto mismo sucede en cualquier instrumento, y a cualquier objeto que vibra.
Cuando un terremoto sacude un edificio, lo hace vibrar; también cuando un avión se encuentra con turbulencias. Además de emitir una nota, se produce un efecto llamado resonancia, que puede llegar a ser destructivo. Así sucedió con el puente de Tacoma Narrows en 1940. Un fuerte viento sopló a la velocidad justa (la frecuencia de resonancia del puente), haciendo que el puente se agitara fuertemente, aunque es posible que no fuera la causa final de su colapso. Actualmente las estructuras están diseñadas para que sus notas de resonancia sean difíciles de reproducir en la naturaleza, por lo que este tipo de fenómenos son muy poco probables. Los ingenieros utilizan, de esta manera, el cálculo de raíces de polinomios.

Otra aplicación muy común es la optimización. Esta técnica matemática permite usar de forma eficiente recursos escasos como el tiempo, la energía o el dinero, siguiendo determinados objetivos. Las compañías la emplean, por ejemplo, para decidir si es mejor gastar más dinero en contratar más empleados, remodelar la oficina, comprar más productos que luego se vayan a vender, o dejarlo en el banco. Para poder establecer la estrategia óptima se resuelven, con ayuda de un ordenador, una serie de ecuaciones que reflejan cuanta inversión y cuanto beneficio se asocia a cada acción. Las estrategias óptimas se corresponden habitualmente con las raíces de las ecuaciones escritas.
-----------------

Actualmente las estructuras están diseñadas para que sus notas de resonancia sean difíciles de reproducir en la naturaleza

Sin embargo, el cálculo de las raíces no es siempre sencillo, y los matemáticos llevan siglos dedicados a este problema. Hay dos resultados clave sobre ello. El primero es el Teorema Fundamental del Álgebra, que establece que todo polinomio de grado n (el mayor de los exponentes de la variable) tiene n raíces, algunas de ellas pueden ser múltiples, en el mundo de los números complejos. De esta manera, sabemos exactamente cuántas raíces debemos buscar. El segundo resultado es el llamado Teorema de Abel, que afirma que no hay una fórmula general, que implique únicamente las operaciones básicas, para obtener las raíces de los polinomios de grado cinco o mayor. Esto significa que en general, a partir de grado cinco, no es posible calcular las raíces de forma exacta mediante una fórmula de este tipo, solo aproximaciones.

En la segunda mitad del siglo XX, el análisis numérico siguió creciendo, y fueron apareciendo diferentes fórmulas para calcular raíces de polinomios. La mayoría se obtenía a partir de viejas ideas, como la de Newton, convenientemente modificadas para poder ser resueltas de forma eficiente con un ordenador. Cada método tiene sus pros y sus contras. Por ejemplo, el método de Frobenius de matrices compañeras da muy buenas aproximaciones pero supone más trabajo de computación que otras técnicas, y la situación empeora cuando crece el grado del polinomio. Matemáticos e ingenieros se dieron cuenta de que podría mejorarse el método utilizando ciertas características de los polinomios. Yo trabajé, junto a otros matemáticos, para proponer un perfeccionamiento que disminuye significativamente el tiempo de cálculo y mejora la precisión, que ha sido reconocido como uno de los mejores métodos para calcular raíces de polinomios por la Sociedad de Matemática Industrial y Aplicada estadounidense.

Gracias a estos avances conseguimos métodos cada vez más sencillos y eficaces para calcular las raíces de los polinomios y, con ellas, entre otras cosas, diseñar mejores edificios y obtener mejores soluciones para la distribución de recursos.


FUENTE: el pais.
Leer Mas
Matemática Serie 23

A través del Álgebra se puede mejorar el Cáncer de próstata.

A través de la predicción del movimiento de los órganos comprometidos en la radioterapia (vesículas seminales, próstata, recto y vejiga), el modelo matemático ayuda a precisar las dosis del tratamiento, así como a evitar efectos secundarios.
--

“Una de las formas más comunes de tratamiento del cáncer de próstata, cuando éste no ha hecho metástasis, es la radioterapia, que consiste en tomar una foto de los órganos comprometidos, que se delinean y así se propone la dosis por utilizar”, explica Richard Ríos Patiño, estudiante del Doctorado en Ingeniería Sistemas Energéticos de la Facultad de Minas de la Universidad Nacional de Colombia Sede Medellín, y de la Université de Rennes 1, en Francia.

Sin embargo, dicha fotografía no es fiel a la distribución de los órganos ya que estos se mueven. Por eso, previendo esta situación, la propuesta del ingeniero se centra en predecir cómo lo hacen, especialmente la vejiga.

“De acuerdo con la posición que ésta ocupe en el cuerpo, y teniendo en cuenta que solo tiene ciertas direcciones sobre las cuales se deforma, lo que hicimos fue identificarlas y predecir su movimiento”, amplía el doctorando, vinculado al Grupo de Automática de la Universidad Nacional (Gaunal) y al laboratorio LTSI de la Université de Rennes 1.
Basado en ese modelo, señala, se pudieron cuantificar las incertidumbres que genera el movimiento de la vejiga durante el tratamiento, lo cual afecta la dosis que se puede irradiar.

Para llegar al resultado, la metodología utilizada por el investigador incorporó una técnica de algebra lineal que permite la descomposición de una matriz en tres componente, conocida como machine learning (máquinas de aprendizaje).

Así, el ingeniero Ríos mezcló variantes e información como: dosis, órganos, movimiento y toxicidad, que incluyó en un modelo matemático con el que consiguió reducir la incertidumbre en cuanto al movimiento de los órganos involucrados en el cáncer de próstata.

El joven investigador menciona que una de las razones por las cuales los órganos se mueven es porque los pacientes consumen agua, lo que hace que tanto la vejiga como el recto se llenen y empujen unos órganos contra otros.

Esta situación hace que la dosis que inicialmente se planea para la radioterapia no sea eficaz, pues cuando ésta se realiza se irradian tanto las células afectadas como las sanas; por el contrario, aumentan las probabilidades de que el paciente desarrolle efectos secundarios o que se pierda el control sobre el tumor.

Por ejemplo, en la vejiga se incrementa la frecuencia urinaria, lo que puede afectar la calidad de la vida de la persona.

El cáncer de próstata es uno de los tipos de cáncer más comunes que afecta a los hombres a nivel mundial, se calcula que uno de cada siete lo padece. En el país la tasa de mortalidad de esta enfermedad rodea al 3 % de la población afectada. (Fuente: UN/DICYT)

Leer Mas
Matemática Serie 23

Matemáticas en la Biología (Modelo Matemático describe como trabajan las células que nos defienden de nuevas infecciones.

Un nuevo estudio utiliza modelos matemáticos para explicar cómo se expanden las células T, parte de las defensas clave del cuerpo contra los patógenos, para combatir una nueva infección. El equipo encontró que la cantidad de expansión de las células T está relacionada con la cantidad de material infeccioso, o antígeno, así como con la adherencia con la que la célula T se une al antígeno.
Las células T son como las fuerzas de operaciones especiales del sistema inmunológico, que detectan y matan las células infectadas. Cuando se detecta una nueva amenaza, las células aumentan de unas pocas células centinelas a un pelotón completo. Pero, ¿cómo hace el sistema inmunológico la cantidad justa de células T, cuando las poblaciones iniciales de células T varían?


Ahora, un equipo de Princeton ha proporcionado información sobre esta pregunta utilizando modelos matemáticos. El equipo encontró que los factores más importantes en la expansión de las células T fueron la cantidad inicial de agente infeccioso y la afinidad de las células por ese agente. La investigación, que podría ayudar a optimizar las estrategias de vacunación, se publicó la semana pasada en la revista Proceedings de la Academia Nacional de Ciencias .

El equipo de Princeton se sintió intrigado por esta pregunta después de que un estudio reciente realizado por otro equipo (Quiel, et al .) Descubrió que este aumento sigue un patrón predecible: si el número inicial de células T es pequeño, el aumento es grande, pero si el número inicial de células T es grande, el incremento es pequeño. Esta relación sigue una "ley de potencia" matemática que establece que la cantidad de expansión de las células T depende inversamente de la potencia del número inicial de células T.

"La importancia de esta relación observada es que aunque el sistema inmunológico es muy complicado y tiene todo tipo de mecanismos de retroalimentación, se ve una especie de regularidad, lo que significa que es probable que exista algún tipo de mecanismo subyacente simple en funcionamiento", dijo Ned. Wingreen, el profesor Howard A. Prior en Ciencias de la Vida, profesor de biología molecular y del Instituto Lewis-Sigler para Genómica Integrativa, y autor principal del estudio. "Ya sea que comience con 50 o 50,000 celdas, el proceso que rige su amplificación es el mismo".

El resultado de esta relación es que, ya sea que haya pocas o muchas células T para comenzar, el número final listo para combatir la infección no es ni demasiado grande ni demasiado pequeño. Esto tiene sentido para el organismo que combate la infección, pero el equipo de Princeton se preguntó qué está sucediendo en el sistema inmunológico para hacer posible este aumento selectivo.

El primer autor Andreas Mayer, investigador asociado en el Instituto Lewis-Sigler de Genómica Integrativa de Princeton, y el equipo utilizaron modelos matemáticos para explorar cómo responden las células T cuando ocurre una infección.

Las células T están salpicadas de receptores capaces de detectar fragmentos de agentes infecciosos, conocidos como antígenos, en la superficie de las células infectadas. Cuando los receptores de células T se adhieren a los antígenos en la superficie de estas células, las células T son estimuladas a clonarse para formar un ejército que combate las infecciones.

Al comienzo de una nueva infección, las células presentadoras de antígenos muestran muchos antígenos en sus superficies, pero esta presentación se desvanece con el tiempo, especialmente si el sistema inmunitario está combatiendo con éxito la infección.

El equipo descubrió que estos niveles menguantes de antígeno proporcionan un mecanismo simple que puede explicar la relación de ley de poder.

La idea es que las células T se amplifiquen a su velocidad máxima hasta que el número decreciente de antígenos signifique que las células T ya no pueden encontrar antígenos.

"Si empiezas con un número bajo de células T, puedes expandir por más tiempo hasta que alcances el nivel decreciente de antígenos", dijo Mayer. "Pero si empiezas con un número mayor de células T, entonces con relativa rapidez te quedarás sin antígenos". Las células T que no pueden encontrar antígenos finalmente dejan de dividirse.

Esta relación tiene sentido evolutivo, dijo Wingreen, porque cuando desaparece la infección, las células T dejan de expandirse, lo que evita que el sistema inmunológico se vuelva hiperactivo.

El equipo también examinó otra faceta de la relación entre las células T y las células presentadoras de antígenos: la fuerza con que interactúan las dos. Su modelo predijo que las células que se adhieren fuertemente al antígeno proliferarán por más tiempo: cuanto mayor sea la afinidad por el antígeno, mayor será el número final de células. Los investigadores pudieron verificar esta predicción al volver a analizar los datos de otro estudio publicado previamente (Zehn, et al .).

"Estamos particularmente entusiasmados de que nuestro modelo pueda explicar múltiples leyes fenomenológicas de cómo se expanden las células T", dijo Mayer. "Cuando comenzamos, no esperábamos un mecanismo tan simple para explicar tantas observaciones dispares".

Estas relaciones sugieren lecciones para los desarrolladores de vacunas, dijo Wingreen. Las vacunas involucran el uso de antígenos para estimular la producción de células del sistema inmunológico. Los modelos matemáticos pueden ayudar a los investigadores a determinar cuánto antígeno se necesita para lograr una respuesta inmune óptima.

El estudio, "Regulación de la expansión de las células T por la dinámica de presentación de antígenos", por Andreas Mayer, Yaojun Zhang, investigador asociado de física en el Centro de Ciencias Teóricas de Princeton, Alan S. Perelson del Laboratorio Nacional de Los Álamos y Ned S. Wingreen, fue publicado en línea el 8 de marzo de 2019, en la revista Proceedings de la Academia Nacional de Ciencias .

Este trabajo fue apoyado por la National Science Foundation a través del Centro Princeton para la Física de la Función Biológica, los Institutos Nacionales de la Salud, la Fundación Gordon y Betty Moore y el Departamento de Energía de los Estados Unidos.

FUENTE: sciencedaily
Leer Mas
Matemática Serie 23

Modelos matemáticos ayudan a los médicos a obtener imágenes a través de un TAC.

El matemático italiano Alfio Quarteroni lidera el comité científico del Congreso Internacional de Matemática Industrial y Aplicada (ICIAM 2019) que reúne durante esta semana en València a 4.000 matemáticos de más de 100 países. Es un referente mundial de la matemática industrial, pues sus modelos matemáticos le hicieron ganar la Copa de América al velero Alinghi en dos ocasiones (2003 y 2007) al permitir diseñar los barcos más veloces. Ahora, como investigador principal del proyecto europeo iHEART para simular el corazón humano, abre nuevas vías de ataque contra las enfermedades cardiovasculares que provocan casi la mitad de muertes en Europa y EE UU.

El uso de modelos matemáticos en la medicina personalizada, según Quarteroni, «puede ayudar a los médicos desde que obtienen imágenes a través de un TAC, una resonancia magnética o una radiografía». «Los médicos hacen el diagnóstico y los matemáticos ayudan en las intervenciones quirúrgicas», añade.

«Las matemáticas pueden proporcionar información cuantitativa de la que rara vez se dispone a nivel clínico, y es además algo no invasivo y significa un ahorro de tiempo y dinero», recalca el investigador transalpino. «Ya estamos ayudando a curar el corazón con las matemáticas», añade Quarteroni. Así, incide en que los modelos matemáticos pueden ser claves a la hora de colocar un estent con el fin de reabrir una arteria obstruida e incluso en una operación de baipás coronario.


Simulación de escenarios

«Todas estas intervenciones se basan en análisis cuantitativos de presión, caudal y turbulencia del flujo sanguíneo, por lo que los modelos matemáticos pueden ayudar a los médicos a explorar los distintos escenarios posibles y decidir la intervención quirúrgica a realizar en base a ecuaciones». En los problemas de fibrilación y taquicardias las operaciones son largas y complicadas, pues hay que quemar parte del tejido del corazón. Quarteroni también explica que hay modelos matemáticos que pueden ayudar a delimitar con precisión la zona a actuar, «con lo que conseguimos intervenciones quirúrgicas más rápidas y eficaces».


El presidente del Comité Organizador del ICIAM 2019 y catedrático de Análisis Matemático de la Universidad de Sevilla, Tomas Chacón, resalta que las contribuciones de Quarteroni ayudan a los médicos a determinar «cuál es el ángulo óptimo en un baipás coronario, algo que depende de la anatomía de cada paciente, con lo que hace realidad la medicina personalizada». Las matemáticas, añade, también «contribuyen a mejorar la supervivencia de los pacientes con cáncer al ayudar a fijar con precisión las dosis terapéuticas».

FUENTE: levante-emv

Leer Mas
Matemática Serie 23

Modelo matemático podría predecir cuándo las personas tienen mayor riesgo de contraer el dengue, Zika y chikungunya.

La investigadora Anna Stewart Ibarra, Ph.D., MPA de Upstate Medical University y sus colegas han creado un modelo matemático que puede servir como una guía para hacer predicciones mensuales sobre cuándo las personas tienen mayor riesgo de contraer virus transmitidos por mosquitos, como el dengue , Zika y chikungunya, debido a las condiciones climáticas. Este modelo se puede usar como una herramienta para crear sistemas de alerta temprana para ayudar a detener la propagación de estos virus potencialmente mortales.
La investigadora de Londres Rachel Lowe, Ph.D., dirigió el desarrollo del modelo que se basa en las condiciones climáticas de 2016 cuando El Niño estuvo presente en la ciudad costera urbana de Machala, Ecuador, un área donde prevalecen estos virus transmitidos por mosquitos.

"A lo largo de los años, nuestra investigación ha encontrado constantemente que las precipitaciones inusualmente altas y las temperaturas mínimas se asociaron con enfermedades virales transmitidas por mosquitos en áreas propensas a las epidemias como Ecuador", dijo Stewart Ibarra, profesor asistente de medicina de Upstate y director de Investigación para América Latina. Programa del Upstate's Center for Global Health & Translational Science. Es una experta reconocida internacionalmente en ecología de enfermedades infecciosas.

El equipo usó pronósticos estacionales en tiempo real de lluvia, temperatura y El Niño, emitidos a principios de año, combinados con datos de estudios de vigilancia activa, en un modelo probabilístico de epidemias de dengue para producir estimaciones sólidas de riesgo de dengue para todo el año. Stewart Ibarra dijo que debido a que el dengue es transmitido por la misma especie de mosquito, Aedes aegypti , este modelo también debe ser explorado como una herramienta para predecir los brotes de Zika y chikungunya.

"Prevemos correctamente que el pico en la incidencia del dengue ocurra tres meses antes de lo esperado en marzo de 2016, con un 90 por ciento de posibilidades de exceder la incidencia media del dengue de los cinco años anteriores", dijo Lowe, colega de Stewart Ibarra, que es el autor principal de un artículo sobre el estudio que apareció en la edición de julio de 2017 de Lancet Planetary Health. Lowe es miembro de la Royal Society Dorothy Hodgkin y profesora asistente en la Escuela de Higiene y Medicina Tropical de Londres y en el Instituto de Salud Global de Barcelona.

Lowe agrega que este pico en el dengue siguió de cerca las inundaciones extremas en la ciudad, que fue pronosticada con éxito con varios meses de anticipación por los modelos climáticos.

"Nuestro trabajo proporciona información sobre los complejos factores climáticos que desencadenan los brotes de dengue, Zika y chikungunya, que contribuyen a los esfuerzos para desarrollar un sistema de alerta temprana para estos virus", dijo Stewart Ibarra.

Lowe dice que el estudio también demuestra el valor potencial de incorporar información climática en el proceso de toma de decisiones de salud pública no solo en Ecuador sino también en cualquier región propensa a epidemias, afectada por los eventos de El Niño.

El equipo de investigación está consultando actualmente con el Instituto de Meteorología e Hidrología del Caribe (financiado por USAID) para desarrollar modelos similares para la región del Caribe. Stewart Ibarra dice que los modelos matemáticos como este pueden usarse como una herramienta para apoyar a los tomadores de decisiones de salud pública en cualquier lugar donde puedan ocurrir los virus Zika, dengue y chikungunya.

El avance de este modelo viene de la mano de otros dos modelos matemáticos exitosos creados por Stewart Ibarra y otros investigadores. Estos estudios revelaron las temperaturas que se requieren para que estos virus transmitidos por mosquitos proliferen. Los estudios encontraron que la transmisión de dengue y otros arbovirus por los mosquitos Aedes aegypti y Aedes albopictus se ha producido entre 18-34 ° C (64 a 93 ° F) con una transmisión máxima en el rango de 26-29 ° C ( 78 a 84 ° F).

En un estudio dirigido por Angel Muñoz, Ph.D., en la Universidad de Princeton, los investigadores también encontraron que las condiciones adecuadas superiores a lo normal para la aparición de la epidemia de Zika a principios de 2015 podrían haberse pronosticado con éxito al menos con un mes de antelación para varios puntos calientes de Zika, y en particular para el noreste de Brasil: el corazón de la epidemia. Un artículo sobre el estudio apareció el 12 de julio en Frontiers in Microbiology.

Combinados, estos modelos brindan a la salud pública y a los funcionarios gubernamentales la información vital sobre el clima necesaria para crear sistemas de alerta temprana, sistemas que pueden alertar al público sobre el riesgo de enfermedad y permitir que los funcionarios de salud pública movilicen recursos y promulguen programas de control de mosquitos y la vigilancia antes de que se produzcan. temporada.

Stewart Ibarra y sus colegas utilizan un enfoque de sistemas socio-ecológicos (SES) para realizar su investigación. SES es un enfoque colaborativo de investigadores de diversas disciplinas que conduce a nueva información que es necesaria para el desarrollo de políticas, tecnologías y estrategias de gestión efectivas para combatir la propagación de los virus transmitidos por mosquitos.

El dengue, el zika y la chikungunya son enfermedades virales transmitidas por mosquitos que son las principales causas de enfermedades en las regiones tropicales y subtropicales. Debido a que no existen vacunas o curas para estos virus, existe una mayor urgencia de quienes trabajan en el sector de la salud pública para identificar estrategias alternativas para controlar la enfermedad, de las cuales se incluye un sistema de alerta temprana.

Fuente: sciencedaily

Leer Mas
Matemática Serie 23

Algoritmo Matemático ayuda a crear MEJOR MELODÍA MUSICAL.

En música, "portamento" es un término que se ha utilizado durante cientos de años, que se refiere al efecto de deslizar una nota en un tono en una nota de un tono más bajo o más alto. Pero solo los instrumentos que pueden variar continuamente en tono, como la voz humana, los instrumentos de cuerda y los trombones, pueden lograr el efecto.
Ahora, un estudiante del MIT ha inventado un algoritmo novedoso que produce un efecto de portamento entre dos señales de audio en tiempo real. En los experimentos, el algoritmo fusionó a la perfección varios clips de audio, como una nota de piano deslizándose en una voz humana, y una canción combinada con otra. Su trabajo que describe el algoritmo ganó el premio al "mejor trabajo para estudiantes" en la reciente Conferencia Internacional sobre Efectos de Audio Digital.


El algoritmo se basa en el "transporte óptimo", un marco basado en la geometría que determina las formas más eficientes de mover objetos, o puntos de datos, entre múltiples configuraciones de origen y destino. Formulado en la década de 1700, el marco se ha aplicado a cadenas de suministro, dinámica de fluidos, alineación de imágenes, modelado en 3-D, gráficos por computadora y más.
En el trabajo que se originó en un proyecto de clase, Trevor Henderson, ahora un estudiante graduado en ciencias de la computación, aplicó el transporte óptimo para interpolar señales de audio, o mezclar una señal con otra. El algoritmo primero divide las señales de audio en breves segmentos. Luego, encuentra la manera óptima de mover los tonos en cada segmento a tonos en la otra señal, para producir el deslizamiento suave del efecto de portamento. El algoritmo también incluye técnicas especializadas para mantener la fidelidad de la señal de audio a medida que transita.
"El transporte óptimo se utiliza aquí para determinar cómo mapear los tonos en un sonido a los tonos en el otro", dice Henderson, un organista con formación clásica que interpreta música electrónica y ha sido DJ en WMBR 88.1, la estación de radio del MIT. "Si está transformando un acorde en un acorde con una armonía diferente, o con más notas, por ejemplo, las notas se separarán del primer acorde y encontrarán una posición para deslizarse sin problemas en el otro acorde".
Según Henderson, esta es una de las primeras técnicas para aplicar el transporte óptimo a la transformación de señales de audio. Él ya ha usado el algoritmo para construir equipos que hacen transiciones sin interrupciones entre canciones en su programa de radio. Los DJ también podrían usar el equipo para hacer la transición entre pistas durante las presentaciones en vivo. Otros músicos podrían usarlo para mezclar instrumentos y voz en el escenario o en el estudio.
El coautor de Henderson en el documento es Justin Solomon, profesor asistente de desarrollo de carrera del Consorcio X en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación. Solomon, que también toca el violonchelo y el piano, dirige el Grupo de procesamiento de datos geométricos en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) y es miembro del Centro de Ingeniería Computacional.
Henderson tomó la clase de Solomon, 6.838 (Análisis de forma), que asigna a los estudiantes la aplicación de herramientas geométricas como el transporte óptimo para aplicaciones del mundo real. Los proyectos de los estudiantes generalmente se centran en formas tridimensionales de realidad virtual o gráficos por computadora. Entonces el proyecto de Henderson fue una sorpresa para Solomon. "Trevor vio una conexión abstracta entre la geometría y las frecuencias móviles en las señales de audio para crear un efecto de portamento", dice Solomon. "Estuvo entrando y saliendo de mi oficina todo el semestre con equipo de DJ. No era lo que esperaba ver, pero fue bastante entretenido".
Para Henderson, no fue demasiado. "Cuando veo una nueva idea, pregunto: '¿Es esto aplicable a la música?'", Dice. "Entonces, cuando hablamos sobre el transporte óptimo, me preguntaba qué pasaría si lo conectara a los espectros de audio".
Una buena manera de pensar en un transporte óptimo, dice Henderson, es encontrar "una manera perezosa de construir un castillo de arena". En esa analogía, el marco se utiliza para calcular la forma de mover cada grano de arena desde su posición en una pila sin forma a una posición correspondiente en un castillo de arena, utilizando el menor trabajo posible. En los gráficos de computadora, por ejemplo, el transporte óptimo se puede utilizar para transformar o transformar formas al encontrar el movimiento óptimo de un punto a otro.
La aplicación de esta teoría a los clips de audio implica algunas ideas adicionales del procesamiento de la señal. Los instrumentos musicales producen sonido a través de vibraciones de componentes, dependiendo del instrumento. Los violines usan cuerdas, los instrumentos de metal usan aire dentro de cuerpos huecos y los humanos usan cuerdas vocales. Estas vibraciones pueden capturarse como señales de audio, donde la frecuencia y la amplitud (altura máxima) representan diferentes tonos.
Convencionalmente, la transición entre dos señales de audio se realiza con un desvanecimiento, donde una señal se reduce en volumen mientras que la otra aumenta. El algoritmo de Henderson, por otro lado, desliza suavemente los segmentos de frecuencia de un clip a otro, sin pérdida de volumen.
Para hacerlo, el algoritmo divide dos clips de audio en ventanas de aproximadamente 50 milisegundos. Luego, ejecuta una transformación de Fourier, que convierte cada ventana en sus componentes de frecuencia. Los componentes de frecuencia dentro de una ventana se agrupan en "notas" sintetizadas individuales. El transporte óptimo luego mapea cómo las notas en la ventana de una señal se moverán a las notas en la otra.
Entonces, un "parámetro de interpolación" se hace cargo. Eso es básicamente un valor que determina dónde estará cada nota en el camino desde su tono inicial en una señal hasta su tono final en la otra. Cambiar manualmente el valor del parámetro barrerá los tonos entre las dos posiciones, produciendo el efecto de portamento. Ese único parámetro también se puede programar y controlar mediante, por ejemplo, un crossfader, un componente deslizante en la mesa de mezclas de un DJ que se desvanece suavemente entre las canciones. A medida que se desliza el crossfader, el parámetro de interpolación cambia para producir el efecto.
Detrás de escena hay dos innovaciones que aseguran una señal sin distorsiones. Primero, Henderson usó una nueva aplicación de una técnica de procesamiento de señal, llamada "reasignación de frecuencia", que agrupa los intervalos de frecuencia para formar notas individuales que pueden pasar fácilmente de una señal a otra. En segundo lugar, inventó una forma de sintetizar nuevas fases para cada señal de audio al unir las ventanas de 50 milisegundos, para que las ventanas vecinas no interfieran entre sí.
A continuación, Henderson quiere experimentar con la alimentación de la salida del efecto nuevamente en su entrada. Esto, piensa, podría crear automáticamente otro efecto de música clásica, "legato", que es una transición suave entre notas distintas. A diferencia de un portamento, que reproduce todas las notas entre una nota de inicio y una de finalización, una legato pasa sin problemas entre dos notas distintas, sin capturar ninguna nota intermedia.

FUENTE: sciencedaily

Leer Mas
Matemática Serie 23

Nueva Fórmula para Calcular la Edad de tu Perro en años humanos.


Un nuevo estudio propone que el envejecimiento puede afectar el genoma de perros y humanos de manera similar. Los investigadores analizaron los genomas de 104 labrador retriever entre las edades de 4 semanas y 16 años. Divida su calculadora gráfica: el equipo también ideó una nueva fórmula para calcular la edad de un perro.



Los científicos han adquirido una nueva visión del reloj epigenético que controla cómo envejecen los perros y han ideado una nueva fórmula para determinar exactamente cuántos años tiene ese buen niño o niña en su vida.

Los investigadores estudiaron la metilación del ADN, o modificaciones químicas en ciertos segmentos de ADN, dentro de los genomas de 104 labrador retriever, todos con edades comprendidas entre 4 semanas y 16 años. Resulta que envejecemos de manera similar, informa el equipo en un artículo publicado en el servidor de preimpresión bioRxiv.

En los humanos, la metilación del ADN, la adición de compuestos orgánicos llamados grupos metilo a segmentos específicos de nuestro ADN, puede revelar el impacto de la enfermedad, el estilo de vida y la genética en nuestro ADN. Usando esta información, los científicos han podido crear un reloj epigenético, para entender mejor cómo envejecemos. Los científicos han aprendido que otros animales, como los ratones y los lobos, experimentan la metilación del ADN. Ahora, están utilizando esta investigación para comprender el proceso de envejecimiento en el mejor amigo del hombre.

Finalmente, ciertas regiones del genoma humano y del labrador, áreas con altas tasas de mutación, muestran tasas similares de metilación. Las etapas de la vida de un perro se sincronizan en gran medida con la nuestra; Por ejemplo, los cachorros y los bebés comienzan la dentición a edades más o menos equivalentes.

Ya sea que tenga un pitbull, pug o corgi Pembroke Welsh, su cachorro alcanzará la pubertad alrededor de los 10 meses y probablemente morirá antes de cumplir los 20. (Sí, nos duele escribir eso también). Los científicos saben desde hace mucho tiempo que los perros son susceptibles a muchas de las mismas enfermedades relacionadas con la edad que nosotros, como el cáncer, la artritis y las enfermedades del corazón.

Los investigadores también idearon una nueva forma de calcular la edad de un perro, pero podría decirse que es más complicado que simplemente multiplicar por siete. Para calcular la edad, tendrás que multiplicar el logaritmo natural de la edad de tu cachorro por 16 y luego sumar 31. Aquí está la ecuación:

16 x ln (la edad de tu perro en años humanos) + 31

Súper simple, ¿verdad? (Los investigadores también incluyeron una práctica herramienta de conversión aquí .) Si se pregunta por qué su perro de 2 años registra aproximadamente 40 años humanos, es porque su reloj epigenético funciona un poco más rápido que el suyo, pero se ralentiza a medida que avanza. él envejece.

El equipo espera expandir su investigación para incluir especies de perros adicionales, y hay muchos otros equipos de investigación que se están sumergiendo en el genoma de un perro para descubrir aún más secretos.

Leer Mas

sábado

Matemática Serie 23

El número anterior al INFINITO ¿Sabes cuál es?

Supongo que la pregunta viene de que te han explicado los números naturales: 1, 2, 3, 4, 5… y te han dicho que hay infinitos números naturales. Y claro, has pensado que el infinito es un número y que delante de él debe haber otro. Pero el infinito no es un número, es un concepto y además hay muchas clases de infinito.
El infinito es un concepto matemático. Y tienes que saber que en la vida real no hay nada infinito. Cuando a veces decimos que algo es infinito es porque usamos la metáfora del infinito para hablar de cosas muy grandes. Pero es un concepto que en la realidad no es material, es ideal, no se concreta en nada real. Nosotros solo convivimos con cosas finitas.

Los números naturales, que son los de contar: 1, 2, 3, 4, 5, 6…, no se terminan nunca, hay infinitos números naturales. Eso sí puedes entenderlo. Si fueran finitos habría un número que sería el último. Pero al último número natural siempre le puedes sumar 1 y ya hay otro más. Y así siempre, infinitas veces.


Lo que quiero que entiendas es que el infinito no solo es un concepto, sino que además es un concepto muy complejo. Para que te hagas una idea, la aparición del concepto de infinito hizo que las matemáticas tuvieran una evolución enorme. Por ejemplo, uno de los conceptos que necesita la noción de infinito en matemáticas es la idea de límite, de acercarme a algo, aunque no lo alcance nunca, pero me puedo acercar indefinidamente y tan cerca como quiera. El concepto de límite de una función en matemáticas existe porque existe el concepto de infinito. Si no fuera por eso, no existiría. Lo finito no tiende a nada, no se acerca a nada.


También es importante que sepas que hay muchas clases de infinito. El infinito de los números naturales, los que te explicaba que son los de contar, no es el mismo que el infinito de los números reales, por ejemplo. Los números reales son los de la recta real: los naturales que como te he dicho antes son los de contar (1, 2, 3, 4…); los enteros que son los naturales, el 0 y los negativos, es decir, los naturales están contenidos en los enteros; después están los racionales que son un cociente entre un número entero y un número natural, son los que se escriben como p/q, por ejemplo ½ o ¾ son números racionales y los enteros están contenidos en los racionales porque si coges -5 partido por 1, cumple la regla por lo que es un número racional. En matemáticas parecía que esos podían ser todos los números. Pero hay sucesiones de números racionales que se acercan, con el concepto de límite del que hablábamos antes, a números que no son necesariamente racionales. Los números reales son, por tanto, los racionales y esos límites que no son racionales, por ejemplo √2 o el número π. Es fácil probar que esos números no son racionales porque no se pueden escribir como un cociente de un número entero y un número natural. Esos son los números reales, los racionales y los límites de los números reales a los que llamamos irracionales.


Pues bien, la cantidad de números reales es también infinita, pero es un infinito más grande que el de los números naturales. Los naturales se pueden numerar de una cierta manera, pero los reales, no, son muchos más. Podríamos decir que hay diversos niveles de infinitos. El de los naturales es el infinito más pequeño que hay y el siguiente estadio de infinito es el de los números reales que es mucho mayor.


Marta Macho Stadler es matemática, profesora de Geometría y Topología en la Universidad del País Vasco y especialista en teoría geométrica de foliaciones y geometría no conmutativa.


FUENTE: https://elpais.com/ciencia/2020-11-03/cual-es-el-numero-anterior-a-infinito.html.


Leer Mas

lunes

Matemática Serie 23

En esta semana la Tierra y Marte estarán a una distancia más corta en los próximos 15 años.

Marte, nuestro segundo primo cósmico más cercano, ha estado en nuestro imaginario colectivo durante décadas. Entre las fantasías de las visitas marcianas y la promesa de agua bajo su superficie helada, Marte no necesita hacer mucho para estar en nuestros buenos libros colectivos.


Pero muy pronto, Marte no solo estará cerca de nuestros corazones, sino también más cercano a nuestro planeta real, a solo 62,1 millones de kilómetros (38,6 millones de millas) de la Tierra.

Esto es lo más cerca que estará durante los próximos 15 años. Y significa que es muy recomendable observar las estrellas, ya que Marte será brillante, grande y fácil de ver con o sin telescopio.

Recomendamos consultar un mapa del cielo para determinar dónde estará Marte en el cielo nocturno en su ubicación para que pueda planificar la mejor visualización.

Pero la buena noticia es que estará en una región del cielo nocturno con muy pocas estrellas y, si tiene suerte, también podrá ver a Júpiter y Saturno brillando más cerca del horizonte.

El día en que estaremos más cerca de Marte es el 6 de octubre, así que muévete.

Como puede ver en este video a continuación, tanto Marte como la Tierra están en órbitas ligeramente elípticas, lo que significa que ocasionalmente pueden acercarse mucho entre sí.

El encuentro más cercano posible es cuando la Tierra está más lejos del Sol (afelio) y Marte es el más cercano al Sol (perihelio). En este punto, los dos estarían separados por un mínimo de 54,6 millones de kilómetros (33,9 millones de millas).

 

Esta configuración se llama oposición y ocurre cada dos años aproximadamente. Pero en realidad nunca nos hemos grabado alcanzando ese punto perfecto "más cercano".


La aproximación más cercana que hayamos registrado ocurrió en 2003, con solo 55,7 millones de kilómetros que nos separan de Marte. Hace dos años, 2018 también estuvo bastante cerca, con solo 57,6 millones de kilómetros (35,8 millones de millas) entre nosotros.

Sin embargo, desafortunadamente, nos estamos alejando cada vez más de nuestro vecino más cercano y no comenzaremos a acercarnos nuevamente hasta 2029, culminando con una aproximación muy cercana en 2035, a solo 56.9 millones de kilómetros (35.4 millones de millas) de distancia, así que comience. ¡Planifique su horario de observación de Marte 2035 con mucha anticipación!

En el otro extremo de la escala de una oposición hay una conjunción, cuando los dos planetas están más lejos el uno del otro. Pueden terminar a 401 millones de kilómetros (250 millas) de distancia entre sí. Esto ocurre cuando la Tierra y Marte están en lados opuestos del Sol y ambos en su afelio.


Es por esta razón que las organizaciones espaciales aprovechan la corta distancia entre nuestros planetas cuando surgen estas ventanas. Este año fue una gran oportunidad para muchas misiones al Planeta Rojo.

Si recuerdas, Mars One planeó lanzar un módulo de aterrizaje en Marte en 2020 antes de eso , um, nunca lo hizo .

Pero tres misiones despegaron con éxito. El rover Perseverance de la NASA está casi a la mitad de  su viaje al planeta rojo después de despegar en julio, mientras que otras dos misiones partieron hacia Marte en la misma ventana de dos semanas .

El próximo lote de misiones a Marte, como Mars Sample Return , viajará en 2022, pero tendrán que viajar 20 millones de kilómetros adicionales, ya que estaremos a una distancia de 81,5 millones de kilómetros (50,6 millones de millas) en nuestro acercamiento más cercano durante este tiempo.

Así que esta semana es una oportunidad muy especial que no volveremos a tener hasta el 2035. ¡Asegúrate de saludar a Marte a medida que pasa!


Fuente: ScienceAlert


Leer Mas

miércoles

Matemática Serie 23

Las matemáticas muestran cómo el cerebro se mantiene estable a pesar del ruido.

Ya sea que esté jugando a Ir a un parque entre el canto de los pájaros, una brisa suave y niños jugando a atrapar cerca o si está jugando en un estudio con un reloj en una estantería y un gato ronroneando en el sofá, si la situación del juego es idéntica y clara , su próximo movimiento probablemente también lo sea, independientemente de esas diferentes condiciones. Seguirás jugando el mismo siguiente movimiento a pesar de una amplia gama de sentimientos internos o incluso si algunas neuronas aquí y allá son un poco erráticas. ¿Cómo supera el cerebro las alteraciones impredecibles y variables para producir cálculos fiables y estables? Un nuevo estudio realizado por neurocientíficos del MIT proporciona un modelo matemático que muestra cómo tal estabilidad surge inherentemente de varios mecanismos biológicos conocidos.
Más fundamental que el ejercicio deliberado del control cognitivo sobre la atención, el modelo que desarrolló el equipo describe una inclinación hacia la estabilidad robusta que se construye en los circuitos neuronales en virtud de las conexiones o "sinapsis" que las neuronas establecen entre sí. Las ecuaciones que derivaron y publicaron en PLOS Computational Biology muestran que las redes de neuronas involucradas en el mismo cálculo convergerán repetidamente hacia los mismos patrones de actividad eléctrica, o "tasas de disparo", incluso si a veces son perturbadas arbitrariamente por el ruido natural del individuo. neuronas o estímulos sensoriales arbitrarios que el mundo puede producir.

"¿Cómo le da sentido el cerebro a esta naturaleza altamente dinámica y no lineal de la actividad neuronal?" dijo el coautor principal Earl Miller, profesor Picower de neurociencia en el Instituto Picower para el Aprendizaje y la Memoria y el Departamento de Ciencias Cerebrales y Cognitivas (BCS) del MIT. "El cerebro es ruidoso, hay diferentes condiciones iniciales: ¿cómo logra el cerebro una representación estable de la información frente a todos estos factores que pueden afectarlo?"

Para averiguarlo, el laboratorio de Miller, que estudia cómo las redes neuronales representan información, unió fuerzas con el colega de BCS y profesor de ingeniería mecánica Jean-Jacques Slotine, quien dirige el Laboratorio de Sistemas No Lineales en el MIT. Slotine trajo el método matemático de "análisis de contracción", un concepto desarrollado en la teoría de control, al problema junto con las herramientas que desarrolló su laboratorio para aplicar el método. Las redes de contratación exhiben la propiedad de trayectorias que parten de puntos dispares y finalmente convergen en una trayectoria, como afluentes en una cuenca. Lo hacen incluso cuando las entradas varían con el tiempo. Son resistentes al ruido y a las perturbaciones,

"En un sistema como el cerebro, en el que hay [cientos de miles de millones] de conexiones, las preguntas sobre qué preservará la estabilidad y qué tipo de restricciones impone a la arquitectura del sistema se vuelven muy importantes", dijo Slotine.

Las matemáticas reflejan mecanismos naturales

Leo Kozachkov, un estudiante de posgrado en los laboratorios de Miller y Slotine, dirigió el estudio aplicando el análisis de contracciones al problema de la estabilidad de los cálculos en el cerebro. Lo que encontró es que las variables y términos en las ecuaciones resultantes que refuerzan la estabilidad reflejan directamente las propiedades y los procesos de las sinapsis: las conexiones del circuito inhibitorio pueden volverse más fuertes, las conexiones del circuito excitador pueden debilitarse, ambos tipos de conexiones suelen estar estrechamente equilibrados entre sí. , y las neuronas hacen muchas menos conexiones de las que podrían (cada neurona, en promedio, podría hacer aproximadamente 10 millones de conexiones más de las que hace).


"Estas son todas las cosas que los neurocientíficos han descubierto, pero no las han relacionado con esta propiedad de estabilidad", dijo Kozachkov. "En cierto sentido, estamos sintetizando algunos hallazgos dispares en el campo para explicar este fenómeno común".

El nuevo estudio, que también involucró al postdoctorado del laboratorio Miller Mikael Lundqvist, no fue el primero en lidiar con la estabilidad en el cerebro, pero los autores argumentan que ha producido un modelo más avanzado al tener en cuenta la dinámica de las sinapsis y al permitir amplias variaciones en condiciones de partida. También ofrece pruebas matemáticas de estabilidad, agregó Kozachkov.

Aunque se centró en los factores que garantizan la estabilidad, señalaron los autores, su modelo no llega tan lejos como para condenar al cerebro a la inflexibilidad o al determinismo. La capacidad del cerebro para cambiar, para aprender y recordar, es tan fundamental para su función como su capacidad para razonar y formular comportamientos estables de manera constante.

"No estamos preguntando cómo cambia el cerebro", dijo Miller. "Nos preguntamos cómo evita que el cerebro cambie demasiado".

Aún así, el equipo planea seguir iterando en el modelo, por ejemplo, abarcando una contabilidad más rica de cómo las neuronas producen picos individuales de actividad eléctrica, no solo las tasas de esa actividad.

También están trabajando para comparar las predicciones del modelo con datos de experimentos en los que los animales realizaron repetidamente tareas en las que necesitaban realizar los mismos cálculos neuronales, a pesar de experimentar un ruido neuronal interno inevitable y al menos pequeñas diferencias de entrada sensorial.


Finalmente, el equipo está considerando cómo los modelos pueden informar la comprensión de diferentes estados de enfermedad del cerebro. Las aberraciones en el delicado equilibrio de la actividad neuronal excitadora e inhibidora en el cerebro se consideran cruciales en la epilepsia, señala Kozachkov. Un síntoma de la enfermedad de Parkinson también implica una pérdida de estabilidad motora con raíces neuronales. Miller agrega que algunos pacientes con trastornos del espectro autista tienen dificultades para repetir acciones de manera estable (por ejemplo, cepillarse los dientes) cuando las condiciones externas varían (por ejemplo, cepillarse en una habitación diferente).

El Instituto Nacional de Salud Mental, la Oficina de Investigación Naval, la Fundación Nacional de Ciencias y la Fundación JPB apoyaron la investigación

FUENTE: https://www.sciencedaily.com/
Leer Mas
Matemática Serie 23

COVID-19-Nuevo Modelo Matemático ayuda a rastrear el comportamiento de las epidemias y mutaciones en las enfermedades.

A medida que COVID-19 se extiende por todo el mundo, los líderes confían en modelos matemáticos para tomar decisiones económicas y de salud pública.

Un nuevo modelo desarrollado por los investigadores de Princeton y Carnegie Mellon mejora el seguimiento de las epidemias al tener en cuenta las mutaciones en las enfermedades. Ahora, los investigadores están trabajando para aplicar su modelo para permitir a los líderes evaluar los efectos de las contramedidas a las epidemias antes de desplegarlos.

"Queremos poder considerar intervenciones como cuarentenas, aislar personas, etc., y luego ver cómo afectan la propagación de una epidemia cuando el patógeno está mutando a medida que se propaga", dijo H. Vincent Poor, uno de los investigadores de este estudio. y decano interino de ingeniería de Princeton.

Los modelos utilizados actualmente para rastrear epidemias utilizan datos de médicos y trabajadores de la salud para hacer predicciones sobre la progresión de una enfermedad. Poor, el profesor de Ingeniería Eléctrica de la Universidad Michael Henry Strater, dijo que el modelo más utilizado hoy en día no está diseñado para dar cuenta de los cambios en la enfermedad que se está rastreando. Esta incapacidad para explicar los cambios en la enfermedad puede hacer que sea más difícil para los líderes contrarrestar la propagación de una enfermedad. Saber cómo una mutación podría afectar la transmisión o la virulencia podría ayudar a los líderes a decidir cuándo instituir órdenes de aislamiento o enviar recursos adicionales a un área.


"En realidad, estas son cosas físicas, pero en este modelo, se resumen en parámetros que pueden ayudarnos a comprender más fácilmente los efectos de las políticas y de las mutaciones", dijo Poor.

Si los investigadores pueden explicar correctamente las medidas para contrarrestar la propagación de la enfermedad, podrían dar a los líderes una visión crítica de los mejores pasos que podrían tomar ante las pandemias. Los investigadores se basan en el trabajo publicado el 17 de marzo en las Actas de la Academia Nacional de Ciencias . En ese artículo, describen cómo su modelo puede rastrear los cambios en la propagación epidémica causados ​​por la mutación de un organismo de la enfermedad. Los investigadores ahora están trabajando para adaptar el modelo para tener en cuenta las medidas de salud pública tomadas para detener una epidemia también.

El trabajo de los investigadores proviene de su examen del movimiento de información a través de las redes sociales, que tiene notables similitudes con la propagación de infecciones biológicas. En particular, la difusión de la información se ve afectada por ligeros cambios en la información misma. Si algo se vuelve un poco más emocionante para los destinatarios, por ejemplo, es más probable que lo transmitan o lo transmitan a un grupo más amplio de personas. Al modelar tales variaciones, uno puede ver cómo los cambios en el mensaje cambian su público objetivo.

"La propagación de un rumor o de información a través de una red es muy similar a la propagación de un virus a través de una población", dijo Poor. "Diferentes piezas de información tienen diferentes velocidades de transmisión. Nuestro modelo nos permite considerar cambios en la información a medida que se propaga a través de la red y cómo esos cambios afectan la propagación".

"Nuestro modelo es agnóstico con respecto a la red física de conectividad entre individuos", dijo Poor, un experto en el campo de la teoría de la información cuyo trabajo ha ayudado a establecer redes modernas de teléfonos celulares. "La información se abstrae en gráficos de nodos conectados; los nodos pueden ser fuentes de información o pueden ser fuentes potenciales de infección".

Obtener información precisa es extremadamente difícil durante una pandemia en curso cuando las circunstancias cambian a diario, como hemos visto con el virus COVID-19. "Es como un incendio forestal. No siempre se puede esperar hasta recopilar datos para tomar decisiones; tener un modelo puede ayudar a llenar este vacío", dijo Poor.

"Afortunadamente, este modelo podría dar a los líderes otra herramienta para comprender mejor las razones por las cuales, por ejemplo, el virus COVID-19 se está propagando mucho más rápido de lo previsto y, por lo tanto, ayudarlos a implementar contramedidas más efectivas y oportunas", dijo Poor.

Además de los pobres, los coautores incluyeron a los investigadores Rashad Eletreby, Yong Zhuang, Kathleen Carley y Osman Yağan de Carnegie Mellon. El trabajo fue apoyado en parte por la Oficina de Investigación del Ejército, la Fundación Nacional de Ciencia y la Oficina de Investigación Naval.

 FUENTE: https://www.sciencedaily.com/

Leer Mas

sábado

Matemática Serie 23

Científico norteamericano desarrollaron Software que puede detectar el coronavirus en cuestión de segundos y con una precisión del 98 por ciento.

En el mundo se trabaja incansablemente para luchar contra el coronavirus y el testeo es una de las claves para contener el brote, según la Organización Mundial de la Salud. Pero el proceso incluye hacerse la prueba, hacer que la muestra sea procesada y luego entregar los resultados. 


Ahora, un científico norteamericano ha desarrollado una nueva tecnología que puede producir un diagnóstico en cuestión de segundos y con una precisión del 98 por ciento.

Barath Narayanan, un científico del Instituto de Investigación de la Universidad de Dayton, en Ohio, ha diseñado un código de software específico que puede detectar la enfermedad con sólo escanear radiografías de tórax.

El proceso utiliza un algoritmo de aprendizaje que fue entrenado usando escaneos de aquellos con y sin la enfermedad para buscar marcas asociadas con el coronavirus.

«Lo que eso significa es que el software ha decidido que algo está ahí, en esa región en particular, y ese algo en particular cumple con sus criterios para clasificar la imagen como si tuviera marcas de COVID-19, en contraposición a no tener COVID-19, o en contraposición a tener otra enfermedad pulmonar», explicó Narayanan.


Barath Narayanan ya ha desarrollado con éxito códigos de software que detectan cáncer de pulmón y de mama, malaria, tumores cerebrales, tuberculosis, retinopatía diabética y neumonía, todo ello con una precisión del 92 al 99 por ciento. (Foto: Universidad de Dayton)


“Usando el aprendizaje profundo, una rama de la inteligencia artificial, el algoritmo se enseñó a sí mismo a identificar estas marcas. A medida que ha continuado entrenándose con rayos X adicionales en mi investigación en curso, su tasa de precisión ha pasado del 98 por ciento a más del 99 por ciento”, agregó.

El experto explicó que «las herramientas de diagnóstico basadas en software pueden servir como una valiosa y virtual segunda opinión para los profesionales médicos, especialmente en partes del mundo donde los equipos médicos tienen poco personal”.

Según detalló, con investigación adicional, estas tecnologías pueden ser ajustadas para detectar incluso las más pequeñas anomalías en las imágenes, las que son difíciles de ver con el ojo humano, ayudando a los médicos a diagnosticar y tratar a los pacientes más rápidamente.

Este no es el primer proyecto de Narayanan, de hecho lleva años trabajando con la inteligencia artificial “con la esperanza de desarrollar tecnología que ayude a los profesionales de la salud a diagnosticar y tratar a los pacientes con mayor rapidez.”

Ha desarrollado con éxito códigos de software que detectan cáncer de pulmón y de mama, malaria, tumores cerebrales, tuberculosis, retinopatía diabética y neumonía, todo ello con una precisión del 92 al 99 por ciento.

Solo tres días después del hallazgo, el software fue adquirido la compañía de desarrollo de de Carolina del Sur Blue Eye Soft.

El propietario de Blue Eye Soft, Srikanth Kodeboyina, y su equipo desarrollaron aún más la tecnología, y planea presentar una propuesta completa a la Administración de Alimentos y Medicamentos de EEUU para su aprobación “en cuestión de días”. Es más, ya comenzaron los trámites para una patente provisional.

«Esperamos poder llevar esta nueva herramienta al mercado muy rápidamente», dijo Kodeboyina en un comunicado, y añadió que a la plantilla estable de su empresa, unos 40 empleados, se han unido «virtualmente» en los últimos días más de 100 profesionales con sede en Singapur, India y en todo Estados Unidos, aportando su experiencia en una variedad de campos.

Test rápidos

Hasta ahora, lo más promisorio en cuanto a la detección del virus son los llamados test rápidos, que permiten conocer «in situ» los resultados en menos de una hora, en contraste con las esperas de horas o días de las pruebas que se deben enviar a un laboratorio.

El pasado 22 de marzo, la FDA -la agencia del gobierno de los Estados Unidos responsable de la regulación de alimentos, medicamentos, cosméticos, aparatos médicos, productos biológicos y derivados sanguíneos- aprobó el uso de emergencia de una prueba desarrollada por el laboratorio Cepheid que permite diagnosticar en aproximadamente 45 minutos el coronavirus.

Seis días más tarde, la agencia dio luz verde a un test fabricado por Abbot que da los resultados en menos de 5 minutos, aunque también lo autorizó solo para uso de urgencia. Esa farmacéutica precisó que puede ofrecer resultados positivos en cinco minutos, y negativos en trece.




El Test de Abbot determina en 5 minutos si alguien está infectado (EFE)

La farmacéutica aseguró además que tiene intención de entregar 50.000 pruebas diarias al sistema sanitario del país. Asimismo, indicó que espera producir en torno a 5 millones al mes.

Aún así, muchos estados no están siendo capaces de realizar todos los tests pertinentes o se les acumulan las muestras a analizar en los laboratorios, por eso el hallazgo de la Universidad de Dayton podría ser un quiebre en la detección del COVID-19.



Fuente: Infobae


Leer Mas

miércoles

Matemática Serie 23

La debilidad de los NIÑOS en MATEMÁTICAS se transmite de padres a hijos.

Menos del 30% de los alumnos de los países de la OCDE entiende el concepto de una media aritmética, mientras que menos del 50% puede trabajar con el concepto de un polígono.
A pesar de la creciente importancia de las habilidades numéricas para cualquier trabajo, los resultados del informe «Ecuaciones y Desigualdades: Hacer las matemáticas accesibles a todos» muestran que sólo una minoría de los estudiantes de 15 años de edad en la mayoría de los países es capaz de captar y trabajar con los conceptos matemáticos. Y esa dificultad para comprender las matemáticas (una de las disciplinas del futuro) se transmite de padres a hijos. Según el informe de la OCDE, elaborado con datos de PISA 2012, los estudiantes de España a cuyos padres no les gustan las matemáticas tienen un 43% más de probabilidades de rendirse ante un problema matemático que aquellos a cuyos progenitores sí les gustan.

Menos del 30% de los alumnos de los países de la OCDE entiende el concepto de una media aritmética, mientras que menos del 50% puede trabajar con el concepto de un polígono, pese a que los alumnos de 15 años de la OCDE han aumentado el tiempo de clase en matemáticas en 34 minutos desde 2003. En 2012, la media semanal en la OCDE era de 3 horas y 32 minutos. En el caso español, la exposición es solo dos minutos menos que en el resto de los países pero la familiaridad de nuestros estudiantes con las matemáticas y conceptos como función exponencial, ecuación lineal, vector o coseno se encuentra entre las más altas. Quizá porque el contacto de nuestros estudiantes con las matemáticas puras está, según el informe, por encima de la media del resto de los países.

Desventajas de por vida


El informe de la OCDE advierte de que «la falta de accesos a contenidos matemáticos en clase puede dejar a los jóvenes en desventaja económica y social de por vida» y subraya que en nuestro país las diferencias de familiaridad con las matemáticas son más acusadas que en el resto entre los estudiantes nacidos en el extranjero y los nacionales. También indica que el estatus socioeconómico del estudiante condiciona más que en otros países la variación general de la familiaridad con las matemáticas. Por género, las chicas están más familiarizadas con las matemáticas que los chicos.

Para ayudar a que todos los estudiantes aprendan los conceptos fundamentales, la OCDE aconseja a España retrasar un año la elección del itinerario en tercero de la ESO entre matemáticas orientadas al Bachillerato (enseñanzas académicas) o a la FP (enseñanzas aplicadas).

Leer Mas