Autor:
Garrido, José Luis

Foto de perfil

E-mails conocidos

jgarrido@ugr.es
jlgarrido@ugr.es

Fecha de nacimiento

Proyectos de investigación

Unidades organizativas

Puesto de trabajo

Apellidos

Garrido

Nombre de pila

José Luis

Nombre

Nombres alternativos

Garrido, Jose Luis

Afiliaciones conocidas

University of Granada, Spain
Universidad de Granada, Spain

Páginas web conocidas

Página completa del ítem
Notificar un error en este autor

Filtros

2019 - 201912020 - 20244
Restablecer filtros

Ajustes

Resultados de la búsqueda

Mostrando 1 - 5 de 5
  • Miniatura
    Artículo
    Evaluación de emociones y salud emocional en mayores mediante wearables y Machine Learning
    García-Moreno, Francisco Manuel; Bermúdez-Edo, María; Garrido, José Luis; Pérez Mármol, José Manuel; Rodríguez-Fórtiz, María José. Actas de las XVII Jornadas de Ciencia e Ingeniería de Servicios (JCIS 2022), 2022-09-05.
    La población en los países desarrollados está envejeciendo, lo cual repercute en un alto gasto a nivel sociosanitario. Si se detectan prematuramente algunos de los primeros síntomas del declive de las personas mayores (por ejemplo, fragilidad o dependencia) se podrían frenar o retardar. En la actualidad, los profesionales de la salud evalúan a los mayores a través de cuestionarios y pruebas de fuerza o marcha centrados en la dimensión física. Los sensores se utilizan cada vez más para medir y monitorizar diferentes indicadores de salud mientras el usuario está realizando Actividades de la Vida Diaria (AVDs). En este trabajo presentamos un sistema basado en una arquitectura de microservicios que recolecta datos sensoriales mientras los adultos mayores realizan AVD, y con los que construimos modelos de aprendizaje automático o de Machine Learning (ML) para evaluar el estado del mayor. Ya hemos realizado varios modelos que miden la dimensión física del mayor y actualmente nos estamos centrando en la dimensión emocional. Describimos en este trabajo nuestra propuesta tecnológica para el reconocimiento de emociones y detección de problemas de salud emocional. Nuestros modelos son no intrusivos, son flexibles y pueden ayudar a los profesionales de la salud a detectar automáticamente el estado del mayor para programar intervenciones.
  • Miniatura
    Artículo
    Una Arquitectura Orientada a Microservicios y Dirigida por Eventos para el Desarrollo de Sistemas de eSalud Avanzados: Caso de Evaluación de Fragilidad en Mayores
    García-Moreno, Francisco Manuel; Bermúdez-Edo, María; Rodríguez-Fórtiz, María José; Garrido, José Luis. Actas de las XV Jornadas de Ciencia e Ingeniería de Servicios (JCIS 2019), 2019-09-02.
    En el presente trabajo se presenta una propuesta tecnológica para eSalud de una arquitectura basada en microservicios, que pueden ser desplegados en dispositivos móviles, wearables y cloud, para evaluar el riesgo de fragilidad de las personas mayores. Dicha propuesta es extensible a otros dominios de problemas del Internet of Things (IoT) dentro del ámbito de la eSalud ya que el patrón de diseño de arquitecturas basadas en microservicios contribuye al desarrollo de sistemas informáticos desacoplados y extensibles. Además, el protocolo Message Queue Telemetry Transport (MQTT) utilizado en IoT favorece el bajo consumo y la no sobrecarga de la red, por lo que incorporar nuevos dispositivos wearables al sistema para recolectar datos de sus sensores se realizaría con poco esfuerzo.
  • Miniatura
    Artículo
    Dy-MIoT-Health: A Dynamic Mobile Internet of Thing Health Platform Based on Discovery Services and Edge Computing
    Rodríguez-Fórtiz, María José; Garrido, José Luis; Rodríguez-Almendros, María Luisa; Hurtado-Torres, María Visitación; Hornos, Miguel J.; García-Moreno, Francisco Manuel; Bermúdez-Edo, María. Actas de las XVIII Jornadas de Ciencia e Ingeniería de Servicios (JCIS 2023), 2023-09-12.
    We have previously developed an IoT platform for monitoring elderly people. Now, we propose extending it with dynamicity through two new functionalities: 1) A dynamic discovery service that discovers nearby sensors and selects them according to the specific application, context information, and data provenance; and 2) A functionality that dynamically decides whether to deploy a task/service at the edge or the cloud according to context information (e.g., computing capacity, device storage, gateway, battery shortage, redundancy in sensors used, and data collected). To validate our proposal, we propose a use case to detect stress and anxiety during activities of daily living (ADLs) in elderly people, analyzing differences between people’s age and gender, chronic stress, and coping styles (emotional reactions to crises), among others. We will collect data from physiological sensors, cortisol tests, and questionnaires. Then we will analyze these data with machine learning techniques. The analysis results will help psychologists and health professionals to personalize the detection of outbreaks and interventions based on our results (differences between ages, gender, etc.).
  • Miniatura
    Artículo
    A machine learning approach for semi-automatic assessment of IADL dependence in older adults with wearable sensors
    García-Moreno, Francisco Manuel; Bermúdez-Edo, María; Rodríguez-García, Estefanía; Pérez Mármol, José Manuel; Garrido, José Luis; Rodríguez-Fórtiz, María José. Actas de las XVII Jornadas de Ciencia e Ingeniería de Servicios (JCIS 2022), 2022-09-05.
    Background and Objective: The assessment of dependence in older adults currently requires a manual collection of data taken from questionnaires. This process is time consuming for the clinicians and intrudes the daily life of the elderly. This paper aims to semi-automate the acquisition and analysis of health data to assess and predict the dependence in older adults while executing one instrumental activity of daily living (IADL). Methods: In a mobile-health (m-health) scenario, we analyze whether the acquisition of data through wearables during the performance of IADLs, and with the help of machine learning techniques could replace the traditional questionnaires to evaluate dependence. To that end, we collected data from wearables, while older adults do the shopping activity. A trial supervisor (TS) labelled the different shopping stages (SS) in the collected data. We performed data pre-processing techniques over those SS and analyzed them with three machine learning algo- rithms: k-Nearest Neighbors (k-NN), Random Forest (RF) and Support Vector Machines (SVM). Results: Our results confirm that it is possible to replace the traditional questionnaires with wearable data. In particular, the best learning algorithm we tried reported an accuracy of 97\% in the assessment of dependence. We tuned the hyperparameters of this algorithm and used embedded feature selection technique to get the best performance with a subset of only 10 features out of the initial 85. This model considers only features extracted from four sensors of a single wearable: accelerometer, heart rate, electrodermal activity and temperature. Although these features are not observational, our current proposal is semi-automatic, because it needs a TS labelling the SS (with a smartphone application). In the future, this labelling process could be automatic as well. Conclusions: Our method can semi-automatically assess the dependence, without disturbing daily activities of elderly people. This method can save clinicians’ time in the evaluation of dependence in older adults and reduce healthcare costs.
  • Miniatura
    Artículo
    OnTheEdge: Cuando la computación y las personas están al borde
    Rodríguez-Fórtiz, María José; García-Moreno, Francisco Manuel; Bolaños-Martínez, Daniel; Garrido, José Luis; Hornos, Miguel J.; Rodríguez-Almendros, María Luisa; Hurtado-Torres, María Visitación; Bermúdez-Edo, María. Actas de las XIX Jornadas de Ciencia e Ingeniería de Servicios (JCIS 2024), 2024-06-17.
    En este artículo se describe un proyecto a cargo del grupo MYDASS de la Universidad de Granada, cuyo objetivo es el diseño de una arquitectura IoT con servicios de recogida y procesamiento de datos en el edge/cloud continuum. Las mejoras de capacidades de procesamiento, almacenamiento y comunicaciones en los dispositivos en el edge hacen que podamos plantear aligerar el cloud llevando algunos servicios de pre-procesamiento y almacenamiento al edge. El caso de estudio de aplicación de la arquitectura es la detección de estrés y ansiedad crónicas en personas mayores mientras realizan sus actividades de la vida diaria, observando diferencias de género. En el proyecto se crearán modelos de clasificación de machine learning basados en el análisis de datos fisiológicos y ambientales recogidos de sensores, cuestionarios y pruebas clínicas homologadas, para que los profesionales planifiquen intervenciones personalizadas.