Search

National audience

International audience; Objetivo: El objetivo de este trabajo es poner en evidencia la relación entre hábitos alimentarios saludables y no saludables en su conjunto con la variación del peso corporal, en población urbana de la región centro de México.Descripción del modelo y métodos: La población estudiada fueron 5,663 sujetos entre 20 a 65 años de edad, de la “Cohorte de Trabajadores del Seguro Social” México, a través de un cuestionario auto aplicado; se excluyó a aquellos sujetos con enfermedades relacionadas con el aumento o pérdida de peso.Para el análisis estadístico, se realizó una clasificación de los hábitos alimentarios que se relacionan con la variación del peso: 1) Saludables: comer entre 3-5 veces al día, tomarse en tiempo necesario para terminar de comer, sentirse tranquilo, sentirse feliz cuando come, seleccionar lo que se come, y comer lentamente; y 2) Hábitos no saludables: apresurarse cuando se come, aprovechar el tiempo de comida para arreglar pendientes, comer a grandes bocados, distraerse viendo la TV, no poner atención en lo que se come y comer menos de 3 o más de 5 veces al día. Posteriormente se clasifico a los sujetos con hábitos saludables, a aquellos que por lo menos tuvieran 1 hábito saludable de más en relación al número de hábitos no saludables; así mismo se utilizo el mismo criterio para la clasificación de los sujetos con hábitos no saludables.Finalmente ambas clasificaciones fueron relacionados en función a la variación del peso en el último año: gano, mantuvo o perdió. Para el análisis, se uso la regresión logística ajustada por edad, índice de masa corporal y actividad física, por ser variables asociadas a la variación de peso corporal.Resultados: Se encontró una relación significativa, entre tener hábitos de alimentación no saludables y la ganancia de peso; por el contrario, entre más hábitos saludables se tienen, mayor es la probabilidad de mantener el peso en comparación con aquellos que tienen hábitos no saludables.Aportaciones del estudio: Los hallazgos obtenidos en el presente estudio contribuyen en el conocimiento que se tiene sobre los hábitos de alimentación que favorecen el control del peso.

National audience; We present our project which aims at developing, validating and proposing a prototype for a neuronavigation station able to improve the precision of the actual systems, without per-operative MRI. Our goal is to integrate, in a “classical” image guided surgery (IGS) station, a model of the deformations of the cerebral soft-tissue and more specifically the “brain shift”, phenomenon which is observed during neurosurgery. This unables the IGS stations presently commercialized around the world to take into account most of the brain open surgeries. These stations help guiding the surgeons for gestures such as biopsies or tumor resection. Starting from pre-operative medical imaging exams, the tumor is localized on the images and the surgical planning is transferred into the operating room. Because of the “brain shift”, this planning has to be updated during surgery, to ensure sufficient accuracy. The solutions proposed consist in developing a real-time mechanical model of the brain soft tissues, which will be updated with intraoperative ultrasound images, in order to estimate and compensate the mechanical deformations of the brain during surgery. We present advanced technologies for neurosurgery.Keywords: neuronavigation, brain shift, soft tissue deformation, biomechanical modelling.; Presentamos nuestro proyecto que enfoca el desarrollo y validación de un prototipo para ser instalado en un neuronavegador que mejorará la precisión de los sistemas actuales sin la necesidad de RMN intraoperatoria. Nuestro objetivo es la integración, dentro de una estación “clásica” de cirugía asistida por computador (CAC), de un modelo de deformación de los tejidos cerebrales, en particular la causada por el “brain shift”. Este fenómeno impide la utilización de las estaciones de CAC en la mayoría de las cirugías “muy abiertas” del cerebro. Estas estaciones permiten ayudar en la planificación y ejecución de procedimientos quirúrgicos tales como biopsias o resección de tumores. Desde el preoperatorio el tumor es localizado en las neuroimágenes y con ayuda de ellas se efectúa la planificación quirúrgica con la cual se ingresa al quirófano. Debido al “brain shift” esta planificación inicial debe ser actualizada durante la cirugía para asegurar una precisión suficiente. La solución que proponemos consiste en el desarrollo de un modelo biomecánico en tiempo real de los tejidos cerebrales que será actualizado con las imágenes ecográficas intraoperatorias con el objetivo de estimar y compensar las deformaciones del cerebro durante la cirugía.Palabras clave: neuronavegación, desplazamiento encefálico, deformación de tejidos blandos, modelamiento biomecánico

National audience; I – Generalidades II – Tecnologías III – Location based servicesIV – Content aware servicesV – Demandas y transacciones móvilesVI – Physical HypermediasVII – Conclusiones

We propose a unique graph-based model to represent spatial data, non-spatial data and the spatial relations among spatial objects. We will generate datasets composed of graphs with a set of these three elements. We consider that by mining a dataset with these characteristics a graph-based mining tool can search patterns involving all these elements at the same time improving the results of the spatial analysis task. A significant characteristic of spatial data is that the attributes of the neighbors of an object may have an influence on the object itself. So, we propose to include in the model three relationship types (topological, orientation, and distance relations). In the model the spatial data (i. E. Spatial objects), non-spatial data (i. E. Non-spatial attributes), and spatial relations are represented as a collection of one or more directed graphs. A directed graph contains a collection of vertices and edges representing all these elements. Vertices represent either spatial objects, spatial relations between two spatial objects (binary relation), or non-spatial attributes describing the spatial objects. Edges represent a link between two vertices of any type. According to the type of vertices that an edge joins, it can represent either an attribute name or a spatial relation name. The attribute name can refer to a spatial object or a non-spatial entity. We use directed edges to represent directional information of relations among elements (i. E. Object x touches object y) and to describe attributes about objects (i. E. Object x has attribute z). We propose to adopt the Subdue system, a general graph-based data mining system developed at the University of Texas at Arlington, as our mining tool. A special feature named overlap has a primary role in the substructures discovery process and consequently a direct impact over the generated results. However, it is currently implemented in an orthodox way: all or nothing. Therefore, we propose a third approach: limited overlap, which gives the user the capability to set over which vertices the overlap will be allowed. We visualize directly three motivations issues to propose the implementation of the new algorithm: search space reduction, processing time reduction, and specialized overlapping pattern oriented search., Est proposé un unique modèle basé sur des graphes pour représenter des données spatiales, les données non-spatiales et les relations entre les objets spatiaux. Ainsi un graphe est généré à partir de ces trois éléments. On considère que l'outil de fouille de données basé sur les graphes peut découvrir des patterns incluant ces trois éléments, selon trois types de relation spatiale (topologique, cardinale et de distance). Dans notre modèle, les données spatiales, non-spatiales (attributs non-spatiaux), et les relations spatiales représentent une collections d'un ou plusieurs graphes orientés. Les sommets représentent soit les objets spatiaux, soit les relations spatiales entre deux objets spatiaux, ou les attributs non-spatiaux. De plus, un sommet peut représenter soit un attribut, soit le nom d'une relation spatiale. Les noms des attributs peuvent référencer des objets spatiaux ou non-spatiaux. Les arcs orientés sont utilisés pour représenter des informations directionnelles sur les relations entre les éléments, et pour décrire les attributs des objets. On a adopté SUBDUE comme un outil de fouille de graphes. Une caractéristique particulière dite de recouvrement joue un rôle important dans la découverte de patterns. Cependant, elle peut-être implémentée pour recouvrir la totalité du graphe, ou bien ne considérer aucun sommet. En conséquence, nous proposons une troisième piste nommée recouvrement limité, laquelle donne à l'utilisateur la capacité de choisir le recouvrement. On analyse directement trois caractéristiques de l'algorithme proposé, la réduction de l'espace de recherche, la réduction du temps de calcul, et la découverte de patterns grâce à ce type de recouvrement.

International audience; En los últimos años, el uso de las bibliotecas digitales se ha incrementado hasta llegar hoy en día a convertirse en unimportante portal de información. A pesar de esto, la información contenida en las bibliotecas digitales aún no estádescrita totalmente y su explotación es aún insuficiente. Recientemente, se ha comprobado que la descripción de lainformación usando metadatos puede ser primordial para el mejoramiento de la consulta de la información dentro deuna biblioteca digital. Nuestro enfoque está basado en la creación e introducción de nuevos metadatos capaces dedescribir, en nuestro caso, tesis doctorales. Estos metadatos corresponden a los conceptos más importantes tratados encada una de las tesis. En este artículo analizamos algunas herramientas del Procesamiento del Lenguaje Natural (PLN)capaces de extraer automáticamente los conceptos claves de un determinado grupo de documentos. Posteriormente,presentamos el análisis de la estructura lógica y semántica de las tesis con el fin de crear una base de conceptos queayudará al tesista a caracterizar su tesis durante la redacción. Finalmente, presentamos un nuevo modelo del documentousando el XML Schema, el cual contiene nuevos metadatos y sobre el cual nos basaremos para darle al usuariodurante su búsqueda la información pertinente.