Programa Oficial de Doutoramento en Computación

2023/2024

Garantía de calidade

A EIUDC dispón dun Sistema de Garantía Interna de Calidade (SGIC), de acordo cos Criterios e Directrices de Garantía de Calidade do EEES, aplicable a todos os programas de doutoramento verificados de acordo co Real Decreto 99/2011 impartidos na UDC. Se precisas máis información, podes consultar a documentación relativa ao SGIC da EIDUDC(Normativa para a implantación e o desenvolvemento do SGIC da EIDUDC nos programas oficiais de doutoramento verificados polo RD 99/2011; Manual do SGIC da EIDUDC; e Procedementos do SGIC da EIDUDC).

Os procedementos do SGIC establecen quen e como debe realizar o seguimento e a supervisión dos resultados e do proceso de aprendizaxe do estudante na titulación, establecendo os órganos e mecanismos de coordinación, avaliación e mellora continua dos estudos, que son:

Comisión Académica do Programa de Doutoramento: é o órgano colexiado responsable da coordinación académica dos programas de doutoramento. Toma as decisións académicas relativas ao título e os seus estudantes. Establece as directrices e o marco de actuación do/a coordinador/a do título e de todas as persoas implicadas na titulación. Todos os programas de doutoramento verificados de acordo co Real Decreto 99/2011 e impartidos na UDC, incluídos os programas interuniversitarios non coordinados pola UDC, dispoñen dun coordinador do programa na UDC.

Comisión da Garantía de Calidade (CGC) da EIDUDC: é o órgano que participa nas tarefas de planificación e de seguimento do SGIC e dos títulos do centro, actuando ademais como un dos vehículos de comunicación interna da política, os obxectivos, os plans, os programas e as responsabilidades do centro. É a responsable de realizar os informes anuais de seguimento. Esta función é asumida pola Comisión Permanente da EIUDC.

Resultados

O Sistema de Garantía Interna da Calidade (SGIC) da EIDUDC establece o modo no que as Comisións Académicas dos programas de doutoramento que se imparten na UDC miden e analizan os resultados da aprendizaxe. Para iso, o SGIC utiliza taxas e indicadores globais que permiten avaliar cada curso académico a calidade da formación. Inclúense entre os resultado obtidos o número de teses defendidas e as que recibiron a mención internacional, e as taxas de éxito (número de teses realizadas en 3 ou 4 anos), de graduación e de abandono e duración media da tese de doutoramento.

Asegurando a calidade

Para asegurar que o título se desenvolve de acordo coa memoria de verificación presentada o centro realiza anualmente un informe de seguimento de acordo cos procedementos do SGIC do centro e os resultados obtidos. Este informe é revisado por a ACSUG, axencia externa de avaliación.

Do resultado desta análise desprenderanse as accións correctivas e propostas de mellora que permitan alcanzar os obxectivos previstos e a mellora da titulación.

Comisións

Para garantir a calidade, crearase unha comisión de xestión académica específica do programa.

Santos Reyes, José
Coordinador
Cabalar Fernández, José Pedro
Secretario
Alonso Pardo, Miguel Ángel
Vogal PDI
Alonso Betanzos, María Amparo
Vogal PDI
Paramá Gabía, José Ramón
Vogal PDI
Duro Fernández, Richard José
Vogal PDI
Valderruten Vidal, Alberto
Vogal PDI

Indicadores de seguemento

Periodo Valor
Prazas ofertadas
Número de prazas para estudantes de novo ingreso no doutoramento (IPD01)
2022/2023 20
Demanda
Número de persoas solicitantes de admisión no doutoramento (IPD02)
2022/2023 15
Matrícula de novo ingreso
Número de alumnos matriculados por primeira vez no doutoramento (IPD03)
2022/2023 12
Matrícula de novo ingreso por adaptación
Número de alumnos matriculados por primeira vez no programa e que proveñan doutros estudos de doutoramento en extinción (IPD03.1)
2022/2023 0
Matrícula total
Número total de estudantes matriculados no curso (IPD04)
2022/2023 54
Matrícula de novo ingreso procedentes de outras universidades
Relación entre o número de alumnos matriculados por primeira vez que procedan doutras universidades e o número total de alumnos matriculados por primeira vez no programa (IPD05)
2022/2023 33,33
Porcentaxe de estudantes estranxeiros
Relación entre o número de estudantes estranxeiros matriculados e o número total de estudantes matriculados no programa (IPD06)
2022/2023 12,96
Porcentaxe de estudantes de novo ingreso que requiren complementos formativos
Relación entre o número de estudantes matriculados que necesitan complementos formativos e o número total de estudantes de novo ingreso matriculados no programa (IPD07)
2022/2023 0
Porcentaxe de matriculados a tempo completo
Relación entre o número de estudantes matriculados con dedicación completa e o número total de estudantes matriculados no programa (IPD08.1)
2022/2023 72,22
Porcentaxe de matriculados a tempo parcial
Relación entre o número de estudantes matriculados con dedicación parcial e o número total de estudantes matriculados no programa (IPD08.2)
2022/2023 20,37
Porcentaxe de matriculados a tempo mixto
Relación entre o número de estudantes matriculados con dedicación mixta e o número total de estudantes matriculados no programa (IPD08.3)
2022/2023 7,41
Porcentaxe de alumnos con estadías aprobadas pola CAPD (Saíntes)
Relación entre o número de estudantes matriculados que fixeron estadías de investigación aprobadas pola CAPD (alumnos saíntes) e o número total de estudantes matriculados no programa (IPD09.1)
2022/2023 1,85
Total de alumnos con estadías aprobadas pola CAPD na UDC (Entrantes)
Número de alumnos que fixeron estadías de investigación na universidade aprobadas pola CAPD (alumnos entrantes) (IPD09.2)
2022/2023 n/a
Porcentaxe de estudantes con bolsa ou contrato predoutoral
Relación entre o número de estudantes matriculados que gozan dunha bolsa ou contrato predoutoral e o número total de estudantes matriculados no programa (IPD11)
2022/2023 0
Porcentaxe de teses defendidas en réxime de codirección
Relación entre o número de teses defendidas por alumnos do programa que tiveron varios directores e o número total de tesis defendidas no programa (IPD14)
2022/2023 100
Porcentaxe de expertos internacionais nos tribunais de tese
Relación entre o número de membros dos tribunais das teses vencelladas ao programa provenientes dunha institución estranxeira e o número total de membros dos tribunais das teses vencelladas co programa (IPD17)
2022/2023 25
Número de teses defendidas
Número total de teses defendidas vencelladas ao programa (IPD18.1)
2022/2023 4
Porcentaxe de teses realizadas a tempo completo
Relación entre o número total de tesis defendidas por alumnos con dedicación completa e o número total de tesis vencelladas ao programa (IPD18.2.1)
2022/2023 100
Porcentaxe de teses realizadas a tempo parcial
Relación entre o número total de tesis defendidas por alumnos con dedicación parcial e o número total de tesis vencelladas ao programa (IPD18.2.2)
2022/2023 0
Porcentaxe de teses realizadas a tempo mixta
Relación entre o número total de tesis defendidas por alumnos con dedicación mixta e o número total de tesis vencelladas ao programa (IPD18.2.3)
2022/2023 0
Número de teses presentadas en galego
Número total de teses defendidas vencelladas ao programa presentadas en galego (IPD18.3.1)
2022/2023 0
Número de teses presentadas en castelán
Número total de teses defendidas vencelladas ao programa presentadas en castelán (IPD18.3.2)
2022/2023 1
Número de teses presentadas noutro idioma
Número total de teses defendidas vencelladas ao programa presentadas noutros idiomas (IPD18.3.3)
2022/2023 3
Duración media dos estudos a tempo completo
Duración media dos estudos para os alumnos con dedicación completa que defenderon tese (en días) (IPD18.4.1)
2022/2023 1.755
Duración media dos estudos a tempo parcial
Duración media dos estudos para os alumnos con dedicación parcial que defenderon tese (en días) (IPD18.4.2)
2022/2023 n/a
Duración media dos estudos a tempo mixto
Duración media dos estudos para os alumnos con dedicación mixta que defenderon tese (en días) (IPD18.4.3)
2022/2023 n/a
Taxa de éxito. Porcentaxe de doutorandos que defenderon a súa tese sen pedir prórroga
Relación entre o número de doutorandos que defenderon a súa tese sen pedir prórroga e o número total de teses defendidas vencelladas ao programa (IPD18.5.1)
2022/2023 0
Taxa de éxito. Porcentaxe de doutorandos que defenderon a súa tese despois da primeira prórroga
Relación entre o número de doutorandos que defenderon a súa tese despois de pedir a primeira prórroga e o número total de teses defendidas vencelladas ao programa (IPD18.5.2)
2022/2023 50
Taxa de éxito. Porcentaxe de doutorandos que defenderon a súa tese despois da segunda prórroga
Relación entre o número de doutorandos que defenderon a súa tese despois de pedir a segunda prórroga e o número total de teses defendidas vencelladas ao programa (IPD18.5.3)
2022/2023 50
Porcentaxe de teses"cum laude"
Relación entre o número de teses defendidas vencelladas ao programa que obtiveron a calificación "cum laude" e o número total de teses defendidas vencelladas ao programa (IPD18.6)
2022/2023 100
Porcentaxe de teses con mención internacional
Relación entre o número de teses defendidas vencelladas ao programa con mención internacional e o número total de teses defendidas vencelladas ao programa (IPD18.7)
2022/2023 50
Taxa de abandono
Relación entre o número de doctorandos que causan baixa definitiva no curso X e o total de doctorandos que se poderían volver a matricular no dito programa. (IPDx21)
2022/2023 12,77
Periodo Valor
Prazas ofertadas
Número de prazas para estudantes de novo ingreso no doutoramento (IPD01)
2021/2022 20
Demanda
Número de persoas solicitantes de admisión no doutoramento (IPD02)
2021/2022 21
Matrícula de novo ingreso
Número de alumnos matriculados por primeira vez no doutoramento (IPD03)
2021/2022 16
Matrícula de novo ingreso por adaptación
Número de alumnos matriculados por primeira vez no programa e que proveñan doutros estudos de doutoramento en extinción (IPD03.1)
2021/2022 0
Matrícula total
Número total de estudantes matriculados no curso (IPD04)
2021/2022 52
Matrícula de novo ingreso procedentes de outras universidades
Relación entre o número de alumnos matriculados por primeira vez que procedan doutras universidades e o número total de alumnos matriculados por primeira vez no programa (IPD05)
2021/2022 50
Porcentaxe de estudantes estranxeiros
Relación entre o número de estudantes estranxeiros matriculados e o número total de estudantes matriculados no programa (IPD06)
2021/2022 13,46
Porcentaxe de estudantes de novo ingreso que requiren complementos formativos
Relación entre o número de estudantes matriculados que necesitan complementos formativos e o número total de estudantes de novo ingreso matriculados no programa (IPD07)
2021/2022 0
Porcentaxe de matriculados a tempo completo
Relación entre o número de estudantes matriculados con dedicación completa e o número total de estudantes matriculados no programa (IPD08.1)
2021/2022 67,31
Porcentaxe de matriculados a tempo parcial
Relación entre o número de estudantes matriculados con dedicación parcial e o número total de estudantes matriculados no programa (IPD08.2)
2021/2022 17,31
Porcentaxe de matriculados a tempo mixto
Relación entre o número de estudantes matriculados con dedicación mixta e o número total de estudantes matriculados no programa (IPD08.3)
2021/2022 15,38
Porcentaxe de alumnos con estadías aprobadas pola CAPD (Saíntes)
Relación entre o número de estudantes matriculados que fixeron estadías de investigación aprobadas pola CAPD (alumnos saíntes) e o número total de estudantes matriculados no programa (IPD09.1)
2021/2022 7,69
Total de alumnos con estadías aprobadas pola CAPD na UDC (Entrantes)
Número de alumnos que fixeron estadías de investigación na universidade aprobadas pola CAPD (alumnos entrantes) (IPD09.2)
2021/2022 n/a
Porcentaxe de estudantes con bolsa ou contrato predoutoral
Relación entre o número de estudantes matriculados que gozan dunha bolsa ou contrato predoutoral e o número total de estudantes matriculados no programa (IPD11)
2021/2022 0
Porcentaxe de teses defendidas en réxime de codirección
Relación entre o número de teses defendidas por alumnos do programa que tiveron varios directores e o número total de tesis defendidas no programa (IPD14)
2021/2022 100
Porcentaxe de expertos internacionais nos tribunais de tese
Relación entre o número de membros dos tribunais das teses vencelladas ao programa provenientes dunha institución estranxeira e o número total de membros dos tribunais das teses vencelladas co programa (IPD17)
2021/2022 8,33
Número de teses defendidas
Número total de teses defendidas vencelladas ao programa (IPD18.1)
2021/2022 4
Porcentaxe de teses realizadas a tempo completo
Relación entre o número total de tesis defendidas por alumnos con dedicación completa e o número total de tesis vencelladas ao programa (IPD18.2.1)
2021/2022 50
Porcentaxe de teses realizadas a tempo parcial
Relación entre o número total de tesis defendidas por alumnos con dedicación parcial e o número total de tesis vencelladas ao programa (IPD18.2.2)
2021/2022 0
Porcentaxe de teses realizadas a tempo mixta
Relación entre o número total de tesis defendidas por alumnos con dedicación mixta e o número total de tesis vencelladas ao programa (IPD18.2.3)
2021/2022 50
Número de teses presentadas en galego
Número total de teses defendidas vencelladas ao programa presentadas en galego (IPD18.3.1)
2021/2022 0
Número de teses presentadas en castelán
Número total de teses defendidas vencelladas ao programa presentadas en castelán (IPD18.3.2)
2021/2022 2
Número de teses presentadas noutro idioma
Número total de teses defendidas vencelladas ao programa presentadas noutros idiomas (IPD18.3.3)
2021/2022 2
Duración media dos estudos a tempo completo
Duración media dos estudos para os alumnos con dedicación completa que defenderon tese (en días) (IPD18.4.1)
2021/2022 1.636
Duración media dos estudos a tempo parcial
Duración media dos estudos para os alumnos con dedicación parcial que defenderon tese (en días) (IPD18.4.2)
2021/2022 n/a
Duración media dos estudos a tempo mixto
Duración media dos estudos para os alumnos con dedicación mixta que defenderon tese (en días) (IPD18.4.3)
2021/2022 1.936
Taxa de éxito. Porcentaxe de doutorandos que defenderon a súa tese sen pedir prórroga
Relación entre o número de doutorandos que defenderon a súa tese sen pedir prórroga e o número total de teses defendidas vencelladas ao programa (IPD18.5.1)
2021/2022 25
Taxa de éxito. Porcentaxe de doutorandos que defenderon a súa tese despois da primeira prórroga
Relación entre o número de doutorandos que defenderon a súa tese despois de pedir a primeira prórroga e o número total de teses defendidas vencelladas ao programa (IPD18.5.2)
2021/2022 25
Taxa de éxito. Porcentaxe de doutorandos que defenderon a súa tese despois da segunda prórroga
Relación entre o número de doutorandos que defenderon a súa tese despois de pedir a segunda prórroga e o número total de teses defendidas vencelladas ao programa (IPD18.5.3)
2021/2022 50
Porcentaxe de teses"cum laude"
Relación entre o número de teses defendidas vencelladas ao programa que obtiveron a calificación "cum laude" e o número total de teses defendidas vencelladas ao programa (IPD18.6)
2021/2022 100
Porcentaxe de teses con mención internacional
Relación entre o número de teses defendidas vencelladas ao programa con mención internacional e o número total de teses defendidas vencelladas ao programa (IPD18.7)
2021/2022 25
Taxa de abandono
Relación entre o número de doctorandos que causan baixa definitiva no curso X e o total de doctorandos que se poderían volver a matricular no dito programa. (IPDx21)
2021/2022 8,33
Periodo Valor
Prazas ofertadas
Número de prazas para estudantes de novo ingreso no doutoramento (IPD01)
2020/2021 20
Demanda
Número de persoas solicitantes de admisión no doutoramento (IPD02)
2020/2021 23
Matrícula de novo ingreso
Número de alumnos matriculados por primeira vez no doutoramento (IPD03)
2020/2021 18
Matrícula de novo ingreso por adaptación
Número de alumnos matriculados por primeira vez no programa e que proveñan doutros estudos de doutoramento en extinción (IPD03.1)
2020/2021 0
Matrícula total
Número total de estudantes matriculados no curso (IPD04)
2020/2021 42
Matrícula de novo ingreso procedentes de outras universidades
Relación entre o número de alumnos matriculados por primeira vez que procedan doutras universidades e o número total de alumnos matriculados por primeira vez no programa (IPD05)
2020/2021 16,67
Porcentaxe de estudantes estranxeiros
Relación entre o número de estudantes estranxeiros matriculados e o número total de estudantes matriculados no programa (IPD06)
2020/2021 16,67
Porcentaxe de estudantes de novo ingreso que requiren complementos formativos
Relación entre o número de estudantes matriculados que necesitan complementos formativos e o número total de estudantes de novo ingreso matriculados no programa (IPD07)
2020/2021 0
Porcentaxe de matriculados a tempo completo
Relación entre o número de estudantes matriculados con dedicación completa e o número total de estudantes matriculados no programa (IPD08.1)
2020/2021 69,05
Porcentaxe de matriculados a tempo parcial
Relación entre o número de estudantes matriculados con dedicación parcial e o número total de estudantes matriculados no programa (IPD08.2)
2020/2021 11,9
Porcentaxe de matriculados a tempo mixto
Relación entre o número de estudantes matriculados con dedicación mixta e o número total de estudantes matriculados no programa (IPD08.3)
2020/2021 19,05
Porcentaxe de alumnos con estadías aprobadas pola CAPD (Saíntes)
Relación entre o número de estudantes matriculados que fixeron estadías de investigación aprobadas pola CAPD (alumnos saíntes) e o número total de estudantes matriculados no programa (IPD09.1)
2020/2021 7,14
Total de alumnos con estadías aprobadas pola CAPD na UDC (Entrantes)
Número de alumnos que fixeron estadías de investigación na universidade aprobadas pola CAPD (alumnos entrantes) (IPD09.2)
2020/2021 n/a
Porcentaxe de estudantes con bolsa ou contrato predoutoral
Relación entre o número de estudantes matriculados que gozan dunha bolsa ou contrato predoutoral e o número total de estudantes matriculados no programa (IPD11)
2020/2021 2,38
Porcentaxe de teses defendidas en réxime de codirección
Relación entre o número de teses defendidas por alumnos do programa que tiveron varios directores e o número total de tesis defendidas no programa (IPD14)
2020/2021 50
Porcentaxe de expertos internacionais nos tribunais de tese
Relación entre o número de membros dos tribunais das teses vencelladas ao programa provenientes dunha institución estranxeira e o número total de membros dos tribunais das teses vencelladas co programa (IPD17)
2020/2021 50
Número de teses defendidas
Número total de teses defendidas vencelladas ao programa (IPD18.1)
2020/2021 2
Porcentaxe de teses realizadas a tempo completo
Relación entre o número total de tesis defendidas por alumnos con dedicación completa e o número total de tesis vencelladas ao programa (IPD18.2.1)
2020/2021 100
Porcentaxe de teses realizadas a tempo parcial
Relación entre o número total de tesis defendidas por alumnos con dedicación parcial e o número total de tesis vencelladas ao programa (IPD18.2.2)
2020/2021 0
Porcentaxe de teses realizadas a tempo mixta
Relación entre o número total de tesis defendidas por alumnos con dedicación mixta e o número total de tesis vencelladas ao programa (IPD18.2.3)
2020/2021 0
Número de teses presentadas en galego
Número total de teses defendidas vencelladas ao programa presentadas en galego (IPD18.3.1)
2020/2021 0
Número de teses presentadas en castelán
Número total de teses defendidas vencelladas ao programa presentadas en castelán (IPD18.3.2)
2020/2021 0
Número de teses presentadas noutro idioma
Número total de teses defendidas vencelladas ao programa presentadas noutros idiomas (IPD18.3.3)
2020/2021 2
Duración media dos estudos a tempo completo
Duración media dos estudos para os alumnos con dedicación completa que defenderon tese (en días) (IPD18.4.1)
2020/2021 1.387
Duración media dos estudos a tempo parcial
Duración media dos estudos para os alumnos con dedicación parcial que defenderon tese (en días) (IPD18.4.2)
2020/2021 n/a
Duración media dos estudos a tempo mixto
Duración media dos estudos para os alumnos con dedicación mixta que defenderon tese (en días) (IPD18.4.3)
2020/2021 n/a
Taxa de éxito. Porcentaxe de doutorandos que defenderon a súa tese sen pedir prórroga
Relación entre o número de doutorandos que defenderon a súa tese sen pedir prórroga e o número total de teses defendidas vencelladas ao programa (IPD18.5.1)
2020/2021 0
Taxa de éxito. Porcentaxe de doutorandos que defenderon a súa tese despois da primeira prórroga
Relación entre o número de doutorandos que defenderon a súa tese despois de pedir a primeira prórroga e o número total de teses defendidas vencelladas ao programa (IPD18.5.2)
2020/2021 50
Taxa de éxito. Porcentaxe de doutorandos que defenderon a súa tese despois da segunda prórroga
Relación entre o número de doutorandos que defenderon a súa tese despois de pedir a segunda prórroga e o número total de teses defendidas vencelladas ao programa (IPD18.5.3)
2020/2021 50
Porcentaxe de teses"cum laude"
Relación entre o número de teses defendidas vencelladas ao programa que obtiveron a calificación "cum laude" e o número total de teses defendidas vencelladas ao programa (IPD18.6)
2020/2021 100
Porcentaxe de teses con mención internacional
Relación entre o número de teses defendidas vencelladas ao programa con mención internacional e o número total de teses defendidas vencelladas ao programa (IPD18.7)
2020/2021 50
Taxa de abandono
Relación entre o número de doctorandos que causan baixa definitiva no curso X e o total de doctorandos que se poderían volver a matricular no dito programa. (IPDx21)
2020/2021 7,41
Periodo Valor
Prazas ofertadas
Número de prazas para estudantes de novo ingreso no doutoramento (IPD01)
2019/2020 20
Demanda
Número de persoas solicitantes de admisión no doutoramento (IPD02)
2019/2020 15
Matrícula de novo ingreso
Número de alumnos matriculados por primeira vez no doutoramento (IPD03)
2019/2020 9
Matrícula de novo ingreso por adaptación
Número de alumnos matriculados por primeira vez no programa e que proveñan doutros estudos de doutoramento en extinción (IPD03.1)
2019/2020 0
Matrícula total
Número total de estudantes matriculados no curso (IPD04)
2019/2020 38
Matrícula de novo ingreso procedentes de outras universidades
Relación entre o número de alumnos matriculados por primeira vez que procedan doutras universidades e o número total de alumnos matriculados por primeira vez no programa (IPD05)
2019/2020 33,33
Porcentaxe de estudantes estranxeiros
Relación entre o número de estudantes estranxeiros matriculados e o número total de estudantes matriculados no programa (IPD06)
2019/2020 18,42
Porcentaxe de estudantes de novo ingreso que requiren complementos formativos
Relación entre o número de estudantes matriculados que necesitan complementos formativos e o número total de estudantes de novo ingreso matriculados no programa (IPD07)
2019/2020 0
Porcentaxe de matriculados a tempo completo
Relación entre o número de estudantes matriculados con dedicación completa e o número total de estudantes matriculados no programa (IPD08.1)
2019/2020 73,68
Porcentaxe de matriculados a tempo parcial
Relación entre o número de estudantes matriculados con dedicación parcial e o número total de estudantes matriculados no programa (IPD08.2)
2019/2020 5,26
Porcentaxe de matriculados a tempo mixto
Relación entre o número de estudantes matriculados con dedicación mixta e o número total de estudantes matriculados no programa (IPD08.3)
2019/2020 21,05
Porcentaxe de alumnos con estadías aprobadas pola CAPD (Saíntes)
Relación entre o número de estudantes matriculados que fixeron estadías de investigación aprobadas pola CAPD (alumnos saíntes) e o número total de estudantes matriculados no programa (IPD09.1)
2019/2020 15,79
Total de alumnos con estadías aprobadas pola CAPD na UDC (Entrantes)
Número de alumnos que fixeron estadías de investigación na universidade aprobadas pola CAPD (alumnos entrantes) (IPD09.2)
2019/2020 n/a
Porcentaxe de estudantes con bolsa ou contrato predoutoral
Relación entre o número de estudantes matriculados que gozan dunha bolsa ou contrato predoutoral e o número total de estudantes matriculados no programa (IPD11)
2019/2020 13,16
Porcentaxe de teses defendidas en réxime de codirección
Relación entre o número de teses defendidas por alumnos do programa que tiveron varios directores e o número total de tesis defendidas no programa (IPD14)
2019/2020 88,89
Porcentaxe de expertos internacionais nos tribunais de tese
Relación entre o número de membros dos tribunais das teses vencelladas ao programa provenientes dunha institución estranxeira e o número total de membros dos tribunais das teses vencelladas co programa (IPD17)
2019/2020 38,46
Número de teses defendidas
Número total de teses defendidas vencelladas ao programa (IPD18.1)
2019/2020 9
Porcentaxe de teses realizadas a tempo completo
Relación entre o número total de tesis defendidas por alumnos con dedicación completa e o número total de tesis vencelladas ao programa (IPD18.2.1)
2019/2020 100
Porcentaxe de teses realizadas a tempo parcial
Relación entre o número total de tesis defendidas por alumnos con dedicación parcial e o número total de tesis vencelladas ao programa (IPD18.2.2)
2019/2020 0
Porcentaxe de teses realizadas a tempo mixta
Relación entre o número total de tesis defendidas por alumnos con dedicación mixta e o número total de tesis vencelladas ao programa (IPD18.2.3)
2019/2020 0
Número de teses presentadas en galego
Número total de teses defendidas vencelladas ao programa presentadas en galego (IPD18.3.1)
2019/2020 0
Número de teses presentadas en castelán
Número total de teses defendidas vencelladas ao programa presentadas en castelán (IPD18.3.2)
2019/2020 0
Número de teses presentadas noutro idioma
Número total de teses defendidas vencelladas ao programa presentadas noutros idiomas (IPD18.3.3)
2019/2020 9
Duración media dos estudos a tempo completo
Duración media dos estudos para os alumnos con dedicación completa que defenderon tese (en días) (IPD18.4.1)
2019/2020 1.634
Duración media dos estudos a tempo parcial
Duración media dos estudos para os alumnos con dedicación parcial que defenderon tese (en días) (IPD18.4.2)
2019/2020 n/a
Duración media dos estudos a tempo mixto
Duración media dos estudos para os alumnos con dedicación mixta que defenderon tese (en días) (IPD18.4.3)
2019/2020 n/a
Taxa de éxito. Porcentaxe de doutorandos que defenderon a súa tese sen pedir prórroga
Relación entre o número de doutorandos que defenderon a súa tese sen pedir prórroga e o número total de teses defendidas vencelladas ao programa (IPD18.5.1)
2019/2020 0
Taxa de éxito. Porcentaxe de doutorandos que defenderon a súa tese despois da primeira prórroga
Relación entre o número de doutorandos que defenderon a súa tese despois de pedir a primeira prórroga e o número total de teses defendidas vencelladas ao programa (IPD18.5.2)
2019/2020 33,33
Taxa de éxito. Porcentaxe de doutorandos que defenderon a súa tese despois da segunda prórroga
Relación entre o número de doutorandos que defenderon a súa tese despois de pedir a segunda prórroga e o número total de teses defendidas vencelladas ao programa (IPD18.5.3)
2019/2020 66,67
Porcentaxe de teses"cum laude"
Relación entre o número de teses defendidas vencelladas ao programa que obtiveron a calificación "cum laude" e o número total de teses defendidas vencelladas ao programa (IPD18.6)
2019/2020 100
Porcentaxe de teses con mención internacional
Relación entre o número de teses defendidas vencelladas ao programa con mención internacional e o número total de teses defendidas vencelladas ao programa (IPD18.7)
2019/2020 100
Taxa de abandono
Relación entre o número de doctorandos que causan baixa definitiva no curso X e o total de doctorandos que se poderían volver a matricular no dito programa. (IPDx21)
2019/2020 5

teses

publicacións

Esta é unha mostra da produción científica dos estudantes do programa de doutoramento co fin de orientar a futuros estudantes interesados neste programa. En ningún caso debe considerarse unha listaxe completa e exhaustiva de toda a produción científica dos estudantes. A información é introducida polos propios doutorandos de forma relativamente desestruturada pero foi revisada e validada pola comisión académica.

Artigos en revistas internacionais
Paz-Ruza, J., Alonso-Betanzos, A., Guijarro-Berdiñas, B., Cancela, B., & Eiras-Franco, C. (2023). Sustainable Transparency in Recommender Systems: Bayesian Ranking of Images for Explainability. arXiv preprint arXiv:2308.01196
PAZ-RUZA, Jorge, et al. Sustainable Personalisation and Explainability in Dyadic Data Systems. Procedia Computer Science, 2022, vol. 207, p. 1017-1026.
Addressing the data bottleneck in medical deep learning models using a human-in-the-loop machine learning approach Neural Computing and Applications. 2023-11-21 | Journal article DOI: 10.1007/s00521-023-09197-2 Part of ISSN: 0941-0643 Part of ISSN: 1433-3058 CONTRIBUTORS: Eduardo Mosqueira-Rey; Elena Hernández-Pereira; José Bobes-Bascarán; David Alonso-Ríos; Alberto Pérez-Sánchez; Ángel Fernández-Leal; Vicente Moret-Bonillo; Yolanda Vidal-Ínsua; Francisca Vázquez-Rivera
CABALAR P, MUÑIZ B. Model Explanation via Support Graphs.Theory and Practice of Logic ProgrammingPublished online 2024:1-14.doi:10.1017/S1471068424000048 >
Mariano Garralda-Barrio, Carlos Eiras-Franco, Verónica Bolón-Canedo, A novel framework for generic Spark workload characterization and similar pattern recognition using machine learning, Journal of Parallel and Distributed Computing, Volume 189, 2024, 104881, ISSN 0743-7315, https://doi.org/10.1016/j.jpdc.2024.104881. (https://www.sciencedirect.com/science/article/pii/S0743731524000455) Abstract: Comprehensive workload characterization plays a pivotal role in comprehending Spark applications, as it enables the analysis of diverse aspects and behaviors. This understanding is indispensable for devising downstream tuning objectives, such as performance improvement. To address this pivotal issue, our work introduces a novel and scalable framework for generic Spark workload characterization, complemented by consistent geometric measurements. The presented approach aims to build robust workload descriptors by profiling only quantitative metrics at the application task-level, in a non-intrusive manner. We expand our framework for downstream workload pattern recognition by incorporating unsupervised machine learning techniques: clustering algorithms and feature selection. These techniques significantly improve the process of grouping similar workloads without relying on predefined labels. We effectively recognize 24 representative Spark workloads from diverse domains, including SQL, machine learning, web search, graph, and micro-benchmarks, available in HiBench. Our framework achieves a high accuracy F-Measure score of up to 90.9% and a Normalized Mutual Information of up to 94.5% in similar workload pattern recognition. These scores significantly outperform the results obtained in a comparative analysis with an established workload characterization approach in the literature. Keywords: Big data; Workload characterization; Apache spark; Pattern recognition; Machine learning
Artigos en revistas internacionais
Morís, D. I., de Moura, J., Novo, J., & Ortega, M. (2022). Unsupervised contrastive unpaired image generation approach for improving tuberculosis screening using chest X-ray images. In Pattern Recognition Letters (Vol. 164, pp. 60–66). Elsevier BV. https://doi.org/10.1016/j.patrec.2022.10.026
Morís, D. I., Hervella, Á. S., Rouco, J., Novo, J., & Ortega, M. (2023). Context encoder transfer learning approaches for retinal image analysis. In Computers in Biology and Medicine (Vol. 152, p. 106451). Elsevier BV. https://doi.org/10.1016/j.compbiomed.2022.106451
M. Naya-Varela, A. Faina, A. Mallo, R.J. Duro. A study of growth based morphological development in neural network-controlled walkers. Neurocomputing, v. 500, pp. 279-294, 2022
M. Gende, J. de Moura, J. Novo, M. G. Penedo, M. Ortega, "A New Generative Approach for Optical Coherence Tomography Data Scarcity: Unpaired Mutual Conversion between Scanning Presets", Medical & Biological Engineering & Computing, Springer, ISSN: 0140-0118, 10.1007/s11517-022-02742-6, 2023.
P. L. VidalJ. de MouraJ. NovoM. G. PenedoM. Ortega"Image-to-Image Translation with Generative Adversarial Networks via Retinal Masks for Realistic Optical Coherence Tomography Imaging of Diabetic Macular Edema Disorders"Biomedical Signal Processing and Control791040982023
P. L. VidalJ. de MouraJ. NovoM. Ortega"Multivendor fully-automatic uncertainty management approaches for the intuitive representation of DME fluid accumulations in OCT images"Medical & Biological Engineering & Computing1-162023
P. L. VidalJ. de MouraP. AlmuiñaM. FernándezM. OrtegaJ. Novo"Comprehensive fully-automatic multi-depth grading of the clinical types of macular neovascularization in OCTA images"Applied Intelligence2023(pending of publication)
Otero, D., Parapar, J., & Barreiro, Á. (2023). Relevance feedback for building pooled test collections. Journal of Information Science0(0). https://doi.org/10.1177/01655515231171085
D. I. MorísJ. de MouraP. J. MarcosE. Míguez-ReyJ. NovoM. Ortega"Comprehensive Analysis of Clinical Data for COVID-19 Outcome Estimation with Machine Learning Models"Biomedical Signal Processing and Control84104818 2023
D. Rivas-Villar, A. S. Hervella, J. Rouco, J. Novo, "Joint keypoint detection and description network for color fundus image registration", Quantitative Imaging in Medicine and Surgery, 13, No. 7, 4540-4562, 2023.
D. Rivas-Villar, A. R. Motschi, M. Pircher, C. K. Hitzenberger, M. Schranz, P. K. Roberts, U. Schmidt-Erfurth, H. Bogunović, "Automated Inter-Device 3D OCT Image Registration using Deep Learning and Retinal Layer Segmentation", Biomedical Optics Express, 14, 3726--3747, 2023
Magaz-Romero, S., Mosqueira-Rey, E., Alvarez-Estevez, D., Moret-Bonillo, V. (2023). Quantum Factory Method: A Software Engineering Approach to Deal with Incompatibilities in Quantum Libraries. In: Mikyška, J., de Mulatier, C., Paszynski, M., Krzhizhanovskaya, V.V., Dongarra, J.J., Sloot, P.M. (eds) Computational Science – ICCS 2023. ICCS 2023. Lecture Notes in Computer Science, vol 10477. Springer, Cham. https://doi.org/10.1007/978-3-031-36030-5_6
M. Gende, J. de Moura, J. I. Fernández-Vigo, J. M. Martinez-de-la-Casa, J. García-Feijóo, J. Novo, M. Ortega, "Robust Multi-view Approaches for Retinal Layer Segmentation in Glaucoma Patients via Transfer Learning", Quantitative Imaging in Medicine and Surgery, 13 (5), 2846-2859, 2023.
D.Novoa-Paradela,O.Fontenla-Romero,and B.Guijarro-Berdiñas,“Fast deep autoencoder for federated learning,” Pattern Recognitionp.109805, 2023.[Online]. Available: https://www.sciencedirect.com/science/article/pii/S0031320323005034https://doi.org/10.1016/j.patcog.2023.109805
Gutiérrez Asorey, P.Brisaboa, N. R.Varela Rodeiro, T.: "SIGTRANS: Geographical Information System for the analysis and management of public TRANSport", en Kalpa Publications in Computing, 14, EasyChair Ltd, Stockport (Reino Unido), 2023, pp. 7-9.
Lamas Sardiña, V.Cortiñas, A.Luaces, M. R.Pedreira, O.: "Component for the visualization of a spatio-temporal data warehouse in a Geographic Information System", en Kalpa Publications in Computing, 14, EasyChair Ltd, Stockport (Reino Unido), 2023, pp. 139-141.
Pedreira, O.; Ramos Vidal, D.; Cortiñas, A.; Luaces, M. R.; Places, A. S.: "Development of Digital Libraries with Software Product Line Engineering", en Journal of Web Engineering, 20(7), River Publishers, Gistrup (Dinamarca), 2021, pp. 2017-2058.
Ramos Vidal, D.; Cortiñas, A.; Luaces, M. R.; Pedreira, O.; Places, A. S.: "Reducing complexity and cost of Digital Libraries development through Software Product Line Engineering", en Kalpa Publications in Computing, 14, EasyChair Ltd, Stockport (Reino Unido), 2023, pp. 133-135.
J. I. Fernández-VigoJavier Moreno MorilloE. López-VarelaJ. NovoM. OrtegaB. Burgos-BlascoLorenzo López GuajardoJuan Donate López"Repeatability of choriocapillaris flow voids by optical coherence tomography angiography in central serous chorioretinopathy"Plos One17e0279243 2022
E. López-VarelaJ. de MouraJ. NovoJ. I. Fernández-VigoJavier Moreno MorilloM. Ortega"Fully automatic segmentation and monitoring of choriocapillaris flow voids in OCTA images"Computerized Medical Imaging and Graphics104102172 2023
E. López-VarelaN. BarreiraN. OlivierR. ArroyoM. G. Penedo"Generation of synthetic intermediate slices in 3D OCT cubes for improving pathology detection and monitoring"Computers in Biology and Medicine 2023
Mosqueira-Rey, E., Hernández-Pereira, E., Alonso-Ríos, D., Bobes-Bascarán, J., & Fernández-Leal, Á. (2023). Human-in-the-loop machine learning: A state of the art. Artificial Intelligence Review56(4), 3005-3054.
Zayas-Gato, F., Michelena, Á., Jove, E. et al. A distributed topology for identifying anomalies in an industrial environment. Neural Comput & Applic34, 20463–20476 (2022). https://doi.org/10.1007/s00521-022-07106-7
Arce, E., Zayas-Gato, F., Suárez-García, A., Michelena, Álvaro, Jove, E., Casteleiro-Roca, J.-L., Quintián, H. ., & Calvo-Rolle, J. L. . (2022). Experiencia blended learning apoyada en un laboratorio virtual para educación de materias STEM. Bordón. Revista De Pedagogía74(4), 125–143. https://doi.org/10.13042/Bordon.2022.95592
Michelena, Á.; López, V.C.; López, F.L.; Arce, E.; Mendoza García, J.; Suárez-García, A.; García Espinosa, G.; Calvo-Rolle, J.-L.; Quintián, H. A Fault-Detection System Approach for the Optimization of Warship Equipment Replacement Parts Based on Operation Parameters. Sensors202323, 3389. https://doi.org/10.3390/s23073389
Michelena, Álvaro, et al. «A Novel Intelligent Approach for man‐in‐the‐middle Attacks Detection over Internet of Things Environments Based on Message Queuing Telemetry Transport». Expert Systems, febrero de 2023. https://doi.org/10.1111/exsy.13263.
Filgueiras, J.L., Varela, D. & Santos, J. Protein structure prediction with energy minimization and deep learning approaches. Nat Comput (2023). https://doi.org/10.1007/s11047-023-09943-4
Blanco-Mallo, E., Morán-Fernández, L., Remeseiro, B., & Bolón-Canedo, V. (2023). Do all roads lead to Rome? Studying distance measures in the context of machine learning. Pattern Recognition141, 109646. (https://doi.org/10.1016/j.patcog.2023.109646
Y. Zhou, M. A. Chia, S. K. Wagner, M. S. Ayhan, D. Williamson, R. Struyven, T. Liu, M. Xu, M. Gende, P. Woodward-Court, Y. Kihara, UK Biobank Eye & Vision Consortium, A. Altmann, A. Y. Lee, E. J. Topol, A. K. Denniston, D. Alexander, P. A. Keane, "A foundation model for diverse and generalizable disease detection from retinal images", Nature, Nature Portfolio, ISSN: 0028-0836, https://doi.org/10.1038/s41586-023-06555-x, 2023.
Filgueiras, J.L., Varela, D., Santos, J. (2022). Energy Minimization vs. Deep Learning Approaches for Protein Structure Prediction. In: Ferrández Vicente, J.M., Álvarez-Sánchez, J.R., de la Paz López, F., Adeli, H. (eds) Bio-inspired Systems and Applications: from Robotics to Ambient Intelligence. IWINAC 2022. Lecture Notes in Computer Science, vol 13259. Springer, Cham. https://doi.org/10.1007/978-3-031-06527-9_11
Paola Carou-Senra, Jun Jie Ong, Brais Muniz Castro, Iria Seoane-Viano, Lucía Rodríguez-Pombo, Pedro Cabalar, Carmen Alvarez-Lorenzo, Abdul W Basit, Gilberto Pérez, Alvaro Goyanes: Inkjet printing has been extensively explored in recent years to produce personalised medicines due to its low cost and versatility, International Journal of Pharmaceutics: X, Volume 5,2023,100181,ISSN 2590-1567, https://doi.org/10.1016/j.ijpx.2023.100181
En trámite de redacción de un artículo que recoge los resultados de varios workshops realizados a finales del 2022 y principios del 2023, con el título de "Adaptive Portfolio Management based on Complexity Theory and Sociotechnical Design" para enviar a publicar en la revista Journal of the Association for Information System.
Libro
MICHELENA, A., CASTELEIRO-ROCA, J.L., JOVE, E., ZAYAS-GATO, F., QUINTIÁN, H., CALVO-ROLLE, J.L. (2022). Creación de laboratorios virtuales para asignaturas de control con Factory I/O® y Simulink®. A Coruña: Universidade da Coruña, Servizo de Publicacións. ISBN: 978-84-9749-837-1. DOI: https://doi.org/10.17979/spudc.9788497498371
Outras publicacións
Moret-Bonillo, Vicente, Gomez-Tato, Andres, Magaz-Romero, Samuel, Mosqueira-Rey, Eduardo, & Alvarez-Estevez, Diego. (2022). D6.9: QRBS software specifications. Zenodo. Retrieved from https://doi.org/10.5281/zenodo.7274558
Moret-Bonillo, Vicente, Gomez Tato, Andres, Magaz-Romero, Samuel, Mosqueira-Rey, Eduardo, & Alvarez-Estevez, Diego. (2023). D6.11 Preliminary QRBS software and IDC application specification (1.1). Zenodo. https://doi.org/10.5281/zenodo.8108580
Pérez, A., Fernández-Pichel, M., Parapar, J., & Losada, D. E. (2023). DepreSym: A Depression Symptom Annotated Corpus and the Role of LLMs as Assessors of Psychological Markers. arXiv preprint arXiv:2308.10758
Recensións
2022. Proceedings of the 31st ACM International Conference on Information & Knowledge Management. Association for Computing Machinery, New York, NY, USA.
2021. Proceedings of the 30th ACM International Conference on Information & Knowledge Management. Association for Computing Machinery, New York, NY, USA.
Artigos en revistas internacionais
Fernández-Barrero, D.; Fontenla-Romero, O.; Lamas-López, F.; Novoa-Paradela, D.; R-Moreno, M.D.; Sanz, D. SOPRENE: Assessment of the Spanish Armada’s Predictive Maintenance Tool for Naval Assets. Appl. Sci.202111, 7322. https://doi.org/10.3390/app11167322
Botana, I.L.-R.; Eiras-Franco, C.; Alonso-Betanzos, A. Regression Tree Based Explanation for Anomaly Detection Algorithm. Proceedings202054, 7. https://doi.org/10.3390/proceedings2020054007
M. GendeJ. de MouraJ. NovoP. CharlónM. Ortega"Automatic Segmentation and Intuitive Visualisation of the Epiretinal Membrane in 3D OCT Images Using Deep Convolutional Approaches"IEEE Access975993 - 76004IEEEISSN: 2169-353610.1109/ACCESS.2021.3082638 2021
J. MoranoA. S. HervellaJ. NovoJ. Rouco"Simultaneous segmentation and classification of the retinal arteries and veins from color fundus images"Artificial Intelligence in Medicine118 2021. DOI: 10.1016/j.artmed.2021.102116
Morís, D. I., de Moura Ramos, J. J., Buján, J. N., & Hortas, M. O. (2021). Data augmentation approaches using cycle-consistent adversarial networks for improving COVID-19 screening in portable chest X-ray images. Expert Systems with Applications185, 115681.
D. Rivas-Villar, Álvaro S. Hervella, J. Rouco, J. Novo, Color fundusimage registration using a learning-based domain-specific landmark detection methodology, Computers in Biology and Medicine 140 (2022) 105101. doi:https://doi.org/10.1016/j.compbiomed.2021.105101.
@article{darriba2021procesamiento, title={Procesamiento de Expresiones Multipalabra en gallego mediante Aprendizaje Profundo}, author={Darriba, V{\'\i}ctor and Doval, Yerai and Kuriyozov, Elmurod}, journal={Procesamiento del Lenguaje Natural}, volume={67}, pages={45--57}, year={2021} >
M. GendeJ. de MouraJ. NovoM. Ortega"End-to-End Multi-Task Learning Approaches for the Joint Epiretinal Membrane Segmentation and Screening in OCT Images"Computerized Medical Imaging and Graphics98102068ElsevierISSN: 0895-611110.1016/j.compmedimag.2022.102068 2022
@article{kuriyozov2022construction, author={Kuriyozov, Elmurod and Matlatipov, Sanatbek and Alonso, Miguel A. and G{\'o}mez-Rodr{\'i}guez, Carlos}, editor={Vetulani, Zygmunt and Paroubek, Patrick and Kubis, Marek}, title={Construction and Evaluation of Sentiment Datasets for Low-Resource Languages: The Case of {U}zbek}, journal={Lecture Notes in Artificial Intelligence}, booktitle={Human Language Technology. Challenges for Computer Science and Linguistics}, year={2022}, publisher={Springer International Publishing}, address={Cham}, volume={13212}, pages={232--243}, isbn={978-3-031-05328-3}, issn={0302-9743}, doi={10.1007/978-3-031-05328-3\_15},
Jun Jie Ong, Brais Muñiz Castro, Simon Gaisford, Pedro Cabalar, Abdul W Basit, Gilberto Pérez, Alvaro Goyanes,Accelerating 3D printing of pharmaceutical products using machine learning,International Journal of Pharmaceutics: X,Volume 4 ,December 2022,100120,ISSN 2590-1567,https://doi.org/10.1016/j.ijpx.2022.100120.
J. de MouraP. L. VidalJ. NovoJ. RoucoM. G. PenedoM. Ortega"Feature definition and comprehensive analysis on the robust identification of intraretinal cystoid regions using Optical Coherence Tomography images"Pattern Analysis and Applications1-15 2022
E. López-VarelaP. L. VidalN. OlivierJ. NovoM. Ortega"Fully-automatic 3D intuitive visualization of Age-related Macular degeneration fluid accumulations in OCT cubes"Journal of Digital Imaging 2022
J. -A. Hitar-Garcia, L. Moran-Fernandez and V. Bolon-Canedo, "Machine Learning Methods for Predicting League of Legends Game Outcome," in IEEE Transactions on Games, doi: 10.1109/TG.2022.3153086.
Fariña, A.Gutiérrez Asorey, P.Ladra, S.Penabad, M. R.Varela Rodeiro, T.: "A Compact Representation for Indoor Trajectories", en IEEE Pervasive Computing, 21(1), IEEE Computer SOC, California (Estados Unidos), 2022, pp. 57-64.
Brisaboa, N. R.Gutiérrez Asorey, P.Luaces, M. R.Varela Rodeiro, T.: "Succinct Data Structures in the Realm of GIS", en Engineering Proceedings, 7(29), MDPI, Basel (Suiza), 2021.
David Otero, Patricia Martin-Rodilla, and Javier Parapar. 2021. Building Cultural Heritage Reference Collections from Social Media through Pooling Strategies: The Case of 2020’s Tensions Over Race and Heritage. J. Comput. Cult. Herit. 15, 1, Article 9 (February 2022), 13 pages. https://doi.org/10.1145/3477604
Pérez, A., Parapar, J., & Barreiro, Á. (2022). Automatic depression score estimation with word embedding models. Artificial Intelligence in Medicine, 102380.
D. Novoa-Paradela,O. Fontenla-Romero, B. Guijarro-Berdiñas, A one-class classification method based on expanded non-convex hulls, Information Fusion 89 (2023) 1–15. doi:https://doi.org/10.1016/j.inffus.2022.07.023
Eduardo Mosqueira-Rey, Elena Hernández-Pereira, David Alonso-Ríos, José Bobes-Bascarán & Ángel Fernández-Leal. Human-in-the-loop machine learning: a state of the art. Artif Intell Rev (2022). https://doi.org/10.1007/s10462-022-10246-w
Cristian R. Munteanu; Gutiérrez Asorey, P.; Outros: "Prediction of Anti-Glioblastoma Drug-Decorated Nanoparticle Delivery Systems Using Molecular Descriptors and Machine Learning", en International Journal of Molecular Sciences, 22, MDPI, Basel (Suíza), 2021.
Meira, Jorge, et al. "Anomaly Detection on Natural Language Processing to Improve Predictions on Tourist Preferences." Electronics 11.5 (2022): 779.
Meira, Jorge, et al. "Fast anomaly detection with locality-sensitive hashing and hyperparameter autotuning." Information Sciences 607 (2022): 1245-1264.
J. I. Fernández-VigoJavier Moreno MorilloM. OrtegaE. López-VarelaJ. NovoB. Burgos-BlascoLorenzo López GuajardoJ. García-FeijóoJuan Donate López"Early changes in choriocapillaris flow voids as an efficacy biomarker of photodynamic therapy in central serous chorioretinopathy"Photodiagnosis and Photodynamic Therapy38102862 2022
E. López-VarelaP. L. VidalN. OlivierJ. NovoM. Ortega"Fully-automatic 3D intuitive visualization of Age-related Macular degeneration fluid accumulations in OCT cubes"Journal of Digital Imaging 2022
Freire B, Ladra S, Parama JR, Salmela L. ViQUF: De Novo Viral Quasispecies Reconstruction Using Unitig-Based Flow Networks. IEEE/ACM Trans Comput Biol Bioinform. 2022 Jul 19;PP. doi: 10.1109/TCBB.2022.3190282. Epub ahead of print. PMID: 35853050.
Moret-Bonillo, V., Magaz-Romero, S., & Mosqueira-Rey, E. (2022). Quantum Computing for Dealing with Inaccurate Knowledge Related to the Certainty Factors Model. Mathematics10(2), 189. MDPI AG. Retrieved from http://dx.doi.org/10.3390/math10020189
De Castro Celard, D.Cortiñas, A.Luaces, M. R.Pedreira, O.: "Product configuration of a software product line using a Domain Specific Language", en Kalpa Publications in Computing, 14, EasyChair Ltd, Stockport (Reino Unido), 2023, pp. 50-52.
Capítulo de Libro
Morís, D. I., de Moura, J., Novo, J., & Ortega, M. (2022). Generation of Novel Synthetic Portable Chest X-Ray Images for Automatic COVID-19 Screening. In AI Applications for Disease Diagnosis and Treatment (pp. 248-281). IGI Global.
M. GendeJ. de MouraJ. NovoM. Ortega"Fully Automatic Epiretinal Membrane Segmentation in OCT Scans Using Convolutional Networks"AI Applications for Disease Diagnosis and Treatment88-121 2022
Outras publicacións
D. Novoa-Paradela, O. Romero-Fontenla, B. Guijarro-Berdiñas, Fast deep autoencoder for federated learning (2022). doi:10.48550/ARXIV.2206.05136.
Using Machine Learning to Predict the Users Ratings on TripAdvisor Based on Their Reviews
Moret-Bonillo, Vicente, Mosqueira-Rey, Eduardo, & Magaz-Romero, Samuel. (2021). D6.5 Quantum Rule-Based System (QRBS) Requirement Analysis. Zenodo. Retrieved from https://doi.org/10.5281/zenodo.5949157
Artigos en revistas internacionais
Morillo-Salas, J.L., Bolón-Canedo, V. & Alonso-Betanzos, A. Dealing with heterogeneity in the context of distributed feature selection for classification. Knowl Inf Syst (2020). https://doi.org/10.1007/s10115-020-01526-4
Process Reference Model for BizDevOpshttps://ieeexplore.ieee.org/abstract/document/9141123/metrics#metricsElectronic ISBN:978-989-54659-0-3DOI: 10.23919/CISTI49556.2020.9141123
Measuring the Maturity of BizDevOpshttps://link.springer.com/chapter/10.1007/978-3-030-58793-2_16DOI: https://doi.org/10.1007/978-3-030-58793-2_16Online ISBN: 978-3-030-58793-2
P. L. Vidal, J. de Moura, J. Novo, M. Ortega, "Multi-stage transfer learning for lung segmentation using portable X-ray devices for patients with COVID-19", Expert Systems with Applications , 173, 114677, 2021.
J. de Moura, L. Ramos, P. L. Vidal, M. Cruz, L. Abeilairas, E. Castro, J. Novo, M. Ortega, "Deep convolutional approaches for the analysis of Covid-19 using chest X-Ray images from portable devices", IEEE Access, 8, 195594-195607, 2020.
P. L. Vidal, J. de Moura, M. Díaz, J. Novo, M. Ortega, "Diabetic Macular Edema characterization and visualization using Optical Coherence Tomography Images", Applied Sciences, 10, 1-23, 2020.
Alvarado, S. H., Cortiñas, A., Luaces, M. R., Pedreira, O., & Places, A. S. (2021). Multilevel modeling of geographic information systems based on international standards. Software and Systems Modeling, 1-44.
Memory-Efficient Assembly using Flye,  IEEE/ACM Transactions on Computational Biology and Bioinformatics, 10.1109/TCBB.2021.3108843
Moe Elbadawi, Brais Muñiz Castro, Francesca K.H. Gavins, Jun Jie Ong, Simon Gaisford, Gilberto Pérez, Abdul W. Basit, Pedro Cabalar, Alvaro Goyanes, M3DISEEN: A novel machine learning approach for predicting the 3D printability of medicines, International Journal of Pharmaceutics, Volume 590, 2020, 119837, ISSN 0378-5173, https://doi.org/10.1016/j.ijpharm.2020.119837.
Brais Muñiz Castro, Moe Elbadawi, Jun Jie Ong, Thomas Pollard, Zhe Song, Simon Gaisford, Gilberto Pérez, Abdul W. Basit, Pedro Cabalar, Alvaro Goyanes, Machine learning predicts 3D printing performance of over 900 drug delivery systems, Journal of Controlled Release, Volume 337, 2021, Pages 530-545, ISSN 0168-3659, https://doi.org/10.1016/j.jconrel.2021.07.046.
A. S. Hervella. J. Rouco, J. Novo, M. Ortega. Self-supervised multimodal reconstruction pre-training for retinal computer-aided diagnosis. Expert Systems with Applications, 185 (2021).https://doi.org/10.1016/j.eswa.2021.115598
J. Morano, A. S. Hervella, J. Novo, J. Rouco, Simultaneous segmentation and classification of the retinal arteries and veins from color fundus images, Artificial Intelligence in Medicine, 118 (2021).https://doi.org/10.1016/j.artmed.2021.102116
Capítulo de Libro
A. S. Hervella, J. Rouco, J. Novo, M. Ortega, Chapter 15 - Multimodal reconstruction of retinal images over unpaired datasets using cyclical generative adversarial networks, Generative Adversarial Networks for Image-to-Image Translation, Academic Press, 2021.https://doi.org/10.1016/B978-0-12-823519-5.00014-2
Outras publicacións
De Berardinis, Jacopo, et al. "At Your Service: Coffee Beans Recommendation From a Robot Assistant." Proceedings of the 8th International Conference on Human-Agent Interaction. 2020.
Martinho, Diogo, et al. "A Hybrid Model to Classify Patients with Chronic Obstructive Respiratory Diseases." Journal of Medical Systems 45.3 (2021): 1-11.
Meira et al. "Predictive Maintenance Through Data-driven Approaches", DISRUPTIVE 2020
Meira et al. "Route Optimization For A Beer Deliver Decision Support System", DISRUPTIVE 2021.
Meira et al. "A Machine learning based framework for PdM", DISRUPTIVE 2021
Carneiro, João et al. “Using Machine Learning to Predict the Users Ratings on TripAdvisor Based on their Reviews”, PAAMS 2021
Artigos en revistas internacionais
Díaz, M.; Díez-Sotelo, M.; Gómez-Ulla, F.; Novo, J.; Penedo, M.F.G.; Ortega, M. Automatic Visual Acuity Estimation by Means of Computational Vascularity Biomarkers Using Oct Angiographies. Sensors201919, 4732.
Vázquez, A., López-López, N., Houenou, J. et al. Automatic group-wise whole-brain short association fiber bundle labeling based on clustering and cortical surface information. BioMed Eng OnLine19, 42 (2020). https://doi.org/10.1186/s12938-020-00786-z
Vázquez, A., López-López, N., Sánchez, A., Houenou, J., Poupon, C., Mangin, J. F., Hernández, C. & Guevara, P. (2020). FFClust: Fast fiber clustering for large tractography datasets for a detailed study of brain connectivity. NeuroImage, 117070.  https://doi.org/10.1016/j.neuroimage.2020.117070
López-López, N., Vázquez, A., Houenou, J., Poupon, C., Mangin, J. F., Ladra, S., & Guevara, P. (2020). From coarse to fine-grained parcellation of the cortical surface using a fiber-bundle atlas. Frontiers in Neuroinformatics, 14, 32. (To appear)https://www.frontiersin.org/articles/10.3389/fninf.2020.00032/abstract
Meira, Jorge, et al. "Performance evaluation of unsupervised techniques in cyber-attack anomaly detection." Journal of Ambient Intelligence and Humanized Computing (2019): 1-13.
Díaz M, Novo J, Cutrín P, Gómez-Ulla F, Penedo MG, et al. (2019) Automatic segmentation of the foveal avascular zone in ophthalmological OCT-A images. PLOS ONE 14(2): e0212364. https://doi.org/10.1371/journal.pone.0212364
Díez-Sotelo, M., Díaz, M., Abraldes, M., Gómez-Ulla, F., G Penedo, M., & Ortega, M. (2019). A Novel Automatic Method to Estimate Visual Acuity and Analyze the Retinal Vasculature in Retinal Vein Occlusion Using Swept Source Optical Coherence Tomography Angiography. Journal of Clinical Medicine8(10), 1515.
E. J. Carmona, M. Díaz, J. Novo and M. Ortega, "Modeling, Localization, and Segmentation of the Foveal Avascular Zone on Retinal OCT-Angiography Images," in IEEE Access, vol. 8, pp. 152223-152238, 2020, doi: 10.1109/ACCESS.2020.3017440.
P. L. VidalJ. de MouraJ. NovoM. G. PenedoM. Ortega"Intraretinal fluid identification via enhanced maps using Optical Coherence Tomography images"Biomedical Optics Express9(10)4730-47542018
J. de MouraP. L. VidalJ. NovoJ. RoucoM. G. PenedoM. Ortega"Intraretinal fluid pattern characterization in Optical Coherence Tomography images"Sensors20(7), 20041-232020
Alvarado, S. H. (2019). Design of Mutation Operators for Testing Geographic Information Systems. In Multidisciplinary Digital Publishing Institute Proceedings (Vol. 21, No. 1, p. 43).
Alvarado, S. H., Cortinas, A., Luaces, M. R., Pedreira, O., & Places, A. S. (2019, September). Applying Multilevel Modeling to the Development of Geographic Information Systems. In 2019 ACM/IEEE 22nd International Conference on Model Driven Engineering Languages and Systems Companion (MODELS-C) (pp. 128-133). IEEE.
Alvarado, S. H., Cortiñas, A., Luaces, M. R., Pedreira, O., & Places, Á. S. (2019). A Domain Specific Language for Web-based GIS. In WEBIST (pp. 462-469).
Alvarado, S. H., Cortiñas, A., Luaces, M. R., Pedreira, O., & Places, Á. S. (2020). Developing Web-based Geographic Information Systems with a DSL: Proposal and Case Study. Journal of Web Engineering, 167-194.
Parallel Feature Selection for distributed-memory cluster, Information Science, september 2019, Doi 10.1016/j.ins.2019.01.050Inference of viral quasispecies with a paired de Bruijn graph, Bioinformatics 2020, pendiente de publicar pero ya aceptado
A. S. Hervella, J. Rouco, J. Novo, M. G. Penedo, M. Ortega. Deep multi-instance heatmap regression for the detection of retinal vessel crossings and bifurcations in eye fundus images. Computer Methods and Programs in Biomedicine, 186 (2020)
A. S. Hervella, J. Rouco, J. Novo, M. Ortega. Self-supervised multimodal reconstruction of retinal images over paired datasets. Expert Systems with Applications, 161 (2020)
A. S. Hervella, J. Rouco, J. Novo, M. Ortega. Learning the retinal anatomy from scarce annotated data using self-supervised multimodal reconstruction. Applied Soft Computing, (2020)
Inference of viral quasispecies with a paired de Bruijn graph; Borja Freire, Susana Ladra, José Ramón Parama, Leena Salmela, 10.1093/bioinformatics/btaa782
Artigos en revistas nacionais
Alvarado12, S. H., de Guzmán, I. G. R., Luaces, M. R., Pedreira, O., Places, Á. S., & Polo, M. Definición de Operadores de Mutación para Sistemas de Información Geográfica.
Capítulo de Libro
P. L. VidalJ. de MouraJ. NovoM. G. PenedoM. Ortega"Intraretinal Fluid Map Generation in Optical Coherence Tomography Images"Diabetes and Retinopathy - Computer-Assisted Diagnosis219-432020
Notas
P. L. VidalJ. de MouraJ. NovoM. G. PenedoM. Ortega"Intuitive and coherent intraretinal cystoid map representation in Optical Coherence Tomography images"Lecture Notes in Computer Science: Computer Aided Systems Theory, Revised Selected Papers, EUROCAST 201912014270-278Las Palmas de Gran Canaria, Spain2020
Outras publicacións
I. Huerta, A. Vázquez, N. López-López, J. Houenou, C. Poupon, J.-F. Mangin, P. Guevara, C. Hernández. Inter-Subject Clustering of Brain Fibers from Whole-Brain Tractography. XII Congreso Anual de Ingeniería Biomédica (CAIB XII), Concepción, Chile, 2019.
N. López-López, A. Vázquez, C. Poupon, J. Mangin and P. Guevara, "Cortical surface parcellation based on intra-subject white matter fiber clustering," 2019 IEEE CHILEAN Conference on Electrical, Electronics Engineering, Information and Communication Technologies (CHILECON), Valparaiso, Chile, 2019, pp. 1-6.
Nieves R. Brisaboa, Antonio Fariña, Adrián Gómez-Brandón, Gonzalo Navarro, Tirso V. Rodeiro: Dv2v: A Dynamic Variable-to-Variable Compressor. DCC 2019:83-92.
Gómez-Brandón, A.: Bitvectors with runs and the succes- sor/predecessor problem. In Proceedings of the 2020 Data Compression Conference (DCC 2020) IEEE Computer Society, Snowbird, Utah (United States), 2020, pp. 133-142.
N. López-López, A. Vázquez, C. Poupon, J.-F. Mangin, S. Ladra, and P. Guevara. GeoSP: A parallel method for a cortical surface parcellation based on geodesic distance. In 2020 42th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). IEEE, 2020.
I. Huerta, A. Vázquez, N. López-López, J. Houenou, C. Poupon, J.-F. Mangin, P. Guevara, and C. Hernández. Inter-subject clustering of brain fibers from whole-brain tractography. In 2020 42th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). IEEE, 2020.
P. L. VidalJ. de MouraJ. NovoJ. RoucoM. Ortega"Intraretinal Fluid Pattern Characterization"Scholarly Community Encyclopedia1-52020
Vilares, D. and Strzyz, M. and Søgaard, A. and Gómez-Rodríguez, C. Parsing as Pretraining. In AAAI 2020
Artigos en revistas internacionais
Daniel Valcarce, Javier Parapar, Álvaro Barreiro. Document-based and Term-based Linear Methods for Pseudo-Relevance Feedback. Applied Computing Review, vol. 18(4), pp. 5-17, 2018.
Daniel Valcarce, Igo Brilhante, Jose Antonio Macedo, Franco Maria Nardini, Raffaele Perego, Chiara Renso. Item-driven group formation. Online Social Networks and Media, vol. 8, pp. 17-31, 2018. DOI 10.1016/j.osnem.2018.10.002
González-López, A., de Moura, J., Novo, J., Ortega, M., & Penedo, M. G. (2019). Robust segmentation of retinal layers in optical coherence tomography images based on a multistage active contour model. Heliyon5(2), e01271.
de Moura, J., Novo, J., Rouco, J., Charlón, P., & Ortega, M. (2019). Artery/Vein Vessel Tree Identification in Near-Infrared Reflectance Retinographies. Journal of digital imaging, 1-16.
Brisaboa, N. R.; Gomez Brandon, A.; Navarro, G.; Paramá, J. R.: "GraCT: A Grammar-based Compressed Index for Trajectory Data", en Information Sciences, 483, Elsevier, New York (Estados Unidos), 2019, pp. 106-135.
Large scale anomaly detection in mixed numerical and categorical input spaces - Information Sciences - https://doi.org/10.1016/j.ins.2019.03.013
A. Fernández, M. Ortega, J. de Moura, J. Novo, M. G. Penedo, Automatic evaluation of eye gestural reactions to sound in video sequences, Engineering Applications of Artificial Intelligence, 85, 164-174, Elsevier, ISSN: 0952-1976, 10.1016/j.engappai.2019.06.009, 2019.
Montero-Manso, P., Morán-Fernández, L., Bolón-Canedo, V., Vilar, J. A., & Alonso-Betanzos, A. (2018). Distributed classification based on distances between probability distributions in feature space. Information Sciences
S. BaamondeJ. de MouraJ. NovoP. CharlónM. Ortega"Automatic identification and characterization of the Epiretinal Membrane in OCT images"Biomedical Optics Express 10 (8)4018-4033OSA PublishingISSN: 2156-708510.1364/BOE.10.004018 2019
Eiras-Franco, C., Guijarro-Berdiñas, B., Alonso-Betanzos, A., Bahamonde, A. A scalable decision-tree-based method to explain interactions in dyadic data. Decision Support Systems. (2019) https://doi.org/10.1016/j.dss.2019.113141
Large-scale validation of an automatic EEG arousal detection algorithm using different heterogeneous databasesD Alvarez-Estevez, I Fernández-VarelaSleep medicine 57, 6-14
Seijo-Pardo, B., Bolón-Canedo, V., & Alonso-Betanzos, A. (2019). On developing an automatic threshold applied to feature selection ensembles. Information Fusion45, 227-245.
Seijo-Pardo, B., Alonso-Betanzos, A., Bennett, K. P., Bolón-Canedo, V., Josse, J., Saeed, M., & Guyon, I. (2019). Biases in feature selection with missing data. Neurocomputing342, 97-112.
Capítulo de Libro
J. de MouraJ. NovoJ. RoucoN. BarreiraM. G. PenedoM. Ortega"Retinal Vasculature Identification and Characterization Using OCT Imaging"OCT - Applications in Ophthalmology23-40InTechOpenISBN: 978-953-51-6693-1 2018
J. de Moura, J. Novo, M. Ortega, N. Barreira, P. Charlón, "Automatic retinal vascularity identification and artery/vein classification using near-infrared reflectance retinographies", Computer Vision, Imaging and Computer Graphics - Theory and Applications, 983, 262-278, Springer, ISSN: 1865-0929, ISBN: 978-3-030-12208-9, https://doi.org/10.1007/978-3-030-12209-6 _ 13, 2019.
Alonso-Betanzos, A., Bolón-Canedo, V., Morán-Fernández, L., & Seijo-Pardo, B. (2019). Feature Selection Applied to Microarray Data. In Microarray Bioinformatics (pp. 123-152). Humana, New York, NY.
Alonso-Betanzos, A., Bolón-Canedo, V., Morán-Fernández, L., & Sánchez-Maroño, N. (2019). A Review of Microarray Datasets: Where to Find Them and Specific Characteristics. In Microarray Bioinformatics (pp. 65-85). Humana, New York, NY.
Meira, Jorge, et al. "Comparative Results with Unsupervised Techniques in Cyber Attack Novelty Detection." International Symposium on Ambient Intelligence. Springer, Cham, 2018.
P. L. Vidal, J. de Moura, J. Novo, M. G. Penedo, M. Ortega, "Intraretinal Fluid Map Generation in Optical Coherence Tomography Images", Photo Acoustic and Optical Coherence Tomography (OCT) Imaging: an Application in Ophthalmology, 2019. (pending of publication).
J. de Moura, G. Samagaio, J. Novo, M. Fernández, F. Gómez-Ulla, M. Ortega, "Fully Automated Identification and Clinical Classification of Macular Edema Using Optical Coherence Tomography Images", Photo Acoustic and Optical Coherence Tomography (OCT) Imaging: an Application in Ophthalmology, 2019. (pending of publication).
Outras publicacións
G. SamagaioJ. de MouraJ. NovoM. Ortega"Automatic Identification and Segmentation of Diffuse Retinal Thickening Macular Edemas Using OCT Imaging"XoveTIC 20182(18)1194MDPIISSN: 2504-390010.3390/proceedings218119427/09/2018-28/09/2018A Coruña September 2018
J. de MouraJ. NovoN. BarreiraM. G. PenedoM. Ortega"Automatic system for the identification and visualization of the retinal vessel tree using OCT imaging"XoveTIC 20182(18)1168ISSN: 2504-390010.3390/proceedings218116827/09/2018-28/09/2018A Coruña September 2018
P. L. VidalJ. de MouraJ. NovoJ. RoucoM. Ortega"Fluid region analysis and identification via Optical Coherence Tomography image samples"XoveTIC 20182(18)1180MDPIISSN: 2504-390010.3390/proceedings218118027/09/2018-28/09/2018A Coruña September 2018
S. BaamondeJ. de MouraJ. NovoN. BarreiraM. Ortega"Automatic Characterization of Epiretinal Membrane in OCT Images with Supervised Training"XoveTIC 20182(18)1161MDPIISSN: 2504-390010.3390/proceedings218116127/09/2018-28/09/2018A Coruña September 2018
Alvarez-Estevez, Diego, and Isaac Fernández-Varela. "Large-scale validation of an automatic EEG arousal detection algorithm using different databases." arXiv preprint arXiv:1809.06216(2018).
A. Vázquez, N. López-López, M. Figueroa, C. Hernández, P. Guevara. Optimización paralela para la segmentación de fascículos de fibras en conjuntos masivos de datos de tractografía. XXVII Congreso de Electrónica-Electricidad (INGELECTRA 2018), Valdivia, Chile, 2018.
A. Vázquez, N. López-López, N. Labra, M. Figueroa, C. Poupon, J.-F. Mangin, C. Hernández, P. Guevara. Parallel Optimization of Fiber Bundle Segmentation for Massive Tractography Datasets. IEEE International Symposium on Biomedical Imaging (ISBI’19), Venecia, Italia, 2019. 
Meira, Jorge. "Comparative Results with Unsupervised Techniques in Cyber Attack Novelty Detection." XoveTIC 2018: 98.
Brisaboa, N. R.; Fariña, A.; Gomez Brandon, A.; Navarro, G.; Varela Rodeiro, T.: "Dv2v: A Dynamic Variable-to-Variable Compressor", en Proceedings of the 2019 Data Compression Conference (DCC 2019), IEEE Computer Society, Snowbird, Utah (Estados Unidos), 2019, pp. 83-92.
I. Osorio, D. Bonometti, D. Carrasco, A. Vázquez, N. López-López, C. Poupon, J.-F. Mangin, P. Guevara. FiberVis: a tool for a fast fiber tractography visualization and segmentation. Organization for Human Brain Mapping (OHBM 2019), Rome (Italy), 2019.
P. Guevara, C. Román, A. Vazquez, N. López, F. Silva, I. Osorio, D. Bonometti, M. Guevara, N. Labra, N. Cárdenas, L. González, H. Hernández, J. Houenou, C. Poupon, J.-F. Mangin, M. Figueroa and C. Hernández. Analysis tools for the study of brain connectivity based on diffusion MRI. Health Data Science: Conference and Workshops (Make Health Chile 2019), Santiago (Chile), 2019.
Dealing with the database variability problem in learning from medical data: an ensemble-based approach using convolutional neural networks and a case of study applied to …D Alvarez-Estevez, I Fernández-VarelaarXiv preprint arXiv:1906.06666
A Convolutional Network for Sleep Stages ClassificationI Fernández-Varela, E Hernández-Pereira, D Alvarez-Estevez, ...arXiv preprint arXiv:1902.05748
Uncertainty in Quantum Rule-Based SystemsV Moret-Bonillo, I Fernández-Varela, D Álvarez-EstévezarXiv preprint arXiv:1811.02782
Artigos en revistas internacionais
Eduardo Mosqueira-Rey, David Alonso-Ríos, Vicente Moret-Bonillo, Isaac Fernández-Varela, Diego Álvarez-Estévez, A Systematic Approach to API Usability: Taxonomy-derived Criteria and a Case Study, Information and Software Technology, Available online 28 December 2017, ISSN 0950-5849, https://doi.org/10.1016/j.infsof.2017.12.010.
Daniel Valcarce, Javier Parapar, Álvaro Barreiro. Axiomatic Analysis of Language Modelling of Recommender Systems. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems 25(Supplement-2): 113-128 (2017). DOI 10.1142/S0218488517400141
de Moura J, Novo J, Charlón P, Barreira N, Ortega M. Enhanced visualization of the retinal vasculature using depth information in OCT. Medical & biological engineering & computing. 2017 Dec 1;55(12):2209-25.
Samagaio G, Estévez A, de Moura J, Novo J, Fernandez MI, Ortega M. Automatic Macular Edema Identification and Characterization Using OCT Images. Computer Methods and Programs in Biomedicine. 16347-63 2018
Fernández A, Ortega M, de Moura J, Novo J, Penedo MG, Detection of reactions to sound via gaze and global eye motion analysis using camera streaming. Machine Vision and Applications, 2018. https://doi.org/10.1007/s00138-018-0952-9
Yerai Doval and Carlos Gómez-Rodríguez Comparing Neural- and N-gram-based Language Models for Word Segmentation Journal of the Association for Information Science and Technology (JASIST), Fothcoming. ISSN 2330-1635
Yerai Doval, Manuel Vilares, Jesús Vilares, On the performance of phonetic algorithms in microtext normalization Expert Systems with Applications Volume 113, 2018, Pages 213-222, ISSN 0957-4174, https://doi.org/10.1016/j.eswa.2018.07.016. (http://www.sciencedirect.com/science/article/pii/S0957417418304305) Keywords: Microtext normalization; Phonetic algorithm; Fuzzy matching; Twitter; Texting
Claude, F.; Galaktionov, D.; Konow, Roberto; Ladra, S.; Pedreira, O.: "Competitive Author Profiling Using Compression-Based Strategies", en International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 25(2), World Scientific, Singapur (Singapur), 2017, pp. 5-20.
Brisaboa, N. R.; Fariña, A.; Galaktionov, D.; Rodríguez, M. Andrea: "A Compact Representation for Trips over Networks built on self-indexes", en Information Systems, 78, Elsevier Ltd., Oxford (Reino Unido), 2018, pp. 1-22.
Daniel Valcarce, Javier Parapar, Álvaro Barreiro. A MapReduce implementation of posterior probability clustering and relevance models for recommendation. Engineering Applications of Artificial Intelligence, vol. 75, pp. 114-124, 2018. DOI 10.1016/j.engappai.2018.08.006
Plácido L. Vidal, Joaquim de Moura, Jorge Novo, Manuel G. Penedo, and Marcos Ortega, "Intraretinal fluid identification via enhanced maps using optical coherence tomography images," Biomed. Opt. Express 9, 4730-4754 (2018)
Daniel Valcarce, Javier Parapar, Álvaro Barreiro. Finding and Analysing Good Neighbourhoods to Improve Collaborative Filtering. Knowledge-Based Systems, vol. 159, pp. 193-202, 2018. DOI 10.1016/j.knosys.2018.06.030
Capítulo de Libro
Moret-Bonillo V., Fernández-Varela I., Hernández-Pereira E., Alvarez-Estévez D., Perlitz V. (2018) On The Automation of Medical Knowledge and Medical Decision Support Systems. In: Holmes D., Jain L. (eds) Advances in Biomedical Informatics. Intelligent Systems Reference Library, vol 137. Springer, Cham
de Moura J, Novo J, Ortega M, Barreira N, Charlón P. Artery/vein Classification of Blood Vessel Tree in Retinal Imaging. InVISIGRAPP (4: VISAPP) 2017 (pp. 371-377).
de Moura J, Novo J, Rouco J, Ortega M. Feature definition, analysis and selection for cystoid region characterization in Optical Coherence Tomography. Procedia Computer Science. 2017 Jan 1;112:1369-77.
de Moura J, Novo J, Rouco J, Penedo MG, Ortega M. Automatic vessel detection by means of brightness profile characterization in OCT images. Procedia Computer Science. 2017 Jan 1;112(C):980-8.
de Moura J, Novo J, Rouco J, Penedo MG, Ortega M. Automatic Detection of Blood Vessels in Retinal OCT Images. InInternational Work-Conference on the Interplay Between Natural and Artificial Computation 2017 Jun 19 (pp. 3-10). Springer, Cham.
Baamonde S, de Moura J, Novo J, Ortega M. Automatic Detection of Epiretinal Membrane in OCT Images by Means of Local Luminosity Patterns. InInternational Work-Conference on Artificial Neural Networks 2017 Jun 14 (pp. 222-235). Springer, Cham.
Baamonde S, de Moura J, Novo J, Rouco J, Ortega M. Feature Definition and Selection for Epiretinal Membrane Characterization in Optical Coherence Tomography Images. InInternational Conference on Image Analysis and Processing 2017 Sep 11 (pp. 456-466). Springer, Cham.
Samagaio G, de Moura J, Novo J, Ortega M. Optical Coherence Tomography Denoising by Means of a Fourier Butterworth Filter-Based Approach. InInternational Conference on Image Analysis and Processing 2017 Sep 11 (pp. 422-432). Springer, Cham.
de Moura J, Novo J, Ortega M, Barreira N, Penedo MG. Interactive Three-Dimensional Visualization System of the Vascular Structure in OCT Retinal Images. InInternational Conference on Computer Aided Systems Theory 2017 Feb 19 (pp. 306-313). Springer, Cham.
de Moura J, Novo J, Rouco J, Penedo MG, Ortega M. Automatic Identification of Intraretinal Cystoid Regions in Optical Coherence Tomography. InConference on Artificial Intelligence in Medicine in Europe 2017 Jun 21 (pp. 305-315). Springer, Cham.
Samagaio G, Estévez A, de Moura J, Novo J, Ortega M, Fernández M. Automatic Identification of Macular Edema in Optical Coherence Tomography Images. VISIGRAPP (4: VISIGRAPP) 2018: 533-540
de Moura, J., Novo, J., Penas, S., Ortega, M., Silva, J., & Mendonça, A. M. (2018). Automatic Characterization of the Serous Retinal Detachment Associated with the Subretinal Fluid Presence in Optical Coherence Tomography Images. Procedia Computer Science126, 244-253.
Samagaio, G., de Moura, J., Novo, J., & Ortega, M. (2018). Automatic Segmentation of Diffuse Retinal Thickening Edemas Using Optical Coherence Tomography Images. Procedia Computer Science126, 472-481.
Outras publicacións
Brisaboa, N. R.de Bernardo, GuillermoNavarro, G.Varela Rodeiro, T.Seco, D.: "Compact Representations of Event Sequences", en Proceedings of the 2018 Data Compression Conference (DCC 2018), IEEE Computer Society, Snowbird, Utah (Estados Unidos), 2018, pp. 239-248.2375-0359/18/$31.00 ©2018 IEEE DOI 10.1109/DCC.2018.00032
Cortiñas A., Luaces M.R., Rodeiro T.V. (2018) A Case Study on Visualizing Large Spatial Datasets in a Web-Based Map Viewer. In: Mikkonen T., Klamma R., Hernández J. (eds) Web Engineering. ICWE 2018. Lecture Notes in Computer Science, vol 10845. Springer, Cham
Cortiñas A., Luaces M.R., Rodeiro T.V. (2018) Storing and Clustering Large Spatial Datasets Using Big Data Technologies. In: R. Luaces M., Karimipour F. (eds) Web and Wireless Geographical Information Systems. W2GIS 2018. Lecture Notes in Computer Science, vol 10819. Springer, Cham
 Brisaboa, N. R.; Fariña, A.; Galaktionov, D.; Varela Rodeiro, T.; Rodríguez, M. : "New structures to solve aggregated queries for trips over public tranportation networks", en Proc. of the 25th Int. Symp. on String Proc. and Information Retrieval (SPIRE 2018) - LNCS 11147, Springer, Lima (Perú), 2018, pp. 85-98.
Brisaboa, N. R.; Gagie, T.; Gomez Brandon, A.; Navarro, G.: "Two-Dimensional Block Trees", en Proceedings of the 2018 Data Compression Conference (DCC 2018), IEEE Computer Society, Snowbird, Utah (Estados Unidos), 2018.
González Folgueira, L; Places, A. S. Pedreira, O.; Silva Coira, F: “Applying Variability Management in the Development of a Complex SaaS System: Real Experience and Findings”, en 14th International Conference on Web Information Systems and Technologies (WEBIST) http://insticc.org/node/TechnicalProgram/webist/personDetails/9F60CAD8-8E84-47F5-9755-4BF7F20C61AA
Artigos en revistas internacionais
David VilaresMiguel A. Alonso and Carlos Gómez-RodríguezSupervised Sentiment Analysis in Multilingual EnvironmentsInformation Processing & Management, 53(3):595-607, 2017. ISSN 0306-4573. DOI 10.1016/j.ipm.2017.01.004
David VilaresCarlos Gómez-Rodríguez and Miguel A. AlonsoUniversal, Unsupervised (Rule-Based), Uncovered Sentiment AnalysisKnowledge-Based Systems, 118:45-55, 2017. ISSN 0950-7051. DOI 10.1016/j.knosys.2016.11.014
L. Sanchez, N. Barreira, A. Mosquera, K. Evans, H. Pena-Verdeal, Defining the optimal region of interest for hyperemia grading in the bulbar conjunctiva, Computational and Mathematical Methods in Medicine, 2016, Article ID 3695014, 1-9, 2016. 
Morán-Fernández, L., Bolón-Canedo, V., & Alonso-Betanzos, A. (2017). Can classification performance be predicted by complexity measures? A study using microarray data. Knowledge and Information Systems51(3), 1067-1090.
Morán-Fernández, L., Bolón-Canedo, V., & Alonso-Betanzos, A. (2017). Centralized vs. distributed feature selection methods based on data complexity measures. Knowledge-Based Systems117, 27-45.
Isaac Fernández-Varela, Elena Hernández-Pereira, Diego Álvarez-Estévez, Vicente Moret-Bonillo, Combining machine learning models for the automatic detection of EEG arousals, Neurocomputing, Volume 268, 2017, Pages 100-108, ISSN 0925-2312, http://dx.doi.org/10.1016/j.neucom.2016.11.086.
Isaac Fernández-Varela, Diego Alvarez-Estevez, Elena Hernández-Pereira, Vicente Moret-Bonillo, A simple and robust method for the automatic scoring of EEG arousals in polysomnographic recordings, Computers in Biology and Medicine, Volume 87, 2017, Pages 77-86, ISSN 0010-4825, http://dx.doi.org/10.1016/j.compbiomed.2017.05.011.
Seijo-Pardo, B., Bolón-Canedo, V., & Alonso-Betanzos, A. (2017). Testing Different Ensemble Configurations for Feature Selection. Neural Processing Letters, 1-24.
Morán-Fernández, L., Bolón-Canedo, V., & Alonso-Betanzos, A. (2017). On the use of different base classifiers in multiclass problems. Progress in Artificial Intelligence, 1-9.
Seijo-Pardo, B., Porto-Díaz, I., Bolón-Canedo, V., & Alonso-Betanzos, A. (2017). Ensemble feature selection: Homogeneous and heterogeneous approaches. Knowledge-Based Systems118, 124-139.
Capítulo de Libro
Beatriz Remeseiro, Noelia Barreira, Luisa Sanchez Brea, Lucia Ramos, Antonio Mosquera, Machine Learning Applied to Optometry Data, Advances in Biomedical Informatics, 2017.
Preprocessing in high dimensional datasets - Springer (referencia bibliográfica aínda non disponible).
Alonso-Betanzos, A., Bolón-Canedo, V., Eiras-Franco, C., Morán-Fernández, L. and Seijo-Pardo, B. Preprocessing in high dimensional datasets.  In Dawn E. Holmes and Lakhmi C. Jain. (Eds.), Advances in Biomedical Informatics. Springer-Verlag, 2017.
Alonso-Betanzos, A., Bolón-Canedo, V., Eiras-Franco, C., Morán-Fernández, L. and Seijo-Pardo, B. Preprocessing in high dimensional datasets.  In Dawn E. Holmes and Lakhmi C. Jain. (Eds.), Advances in Biomedical Informatics. Springer-Verlag, 2017.
Libro
Autores: Miguel Ángel Rodríguez Luaces, Alejandro Cortiñas Álvarez, Guillermo de Bernardo Roca Editado / Impreso por: Reprografía Noroeste, S. L. Fecha de edición: 11/2016 ISBN: 978-84-16294-37-4 Depósito Legal: C2085-2016
Outras publicacións
Galaktionov H., Daniil; Luaces, M. R.; Places, A. S.: "Navigational Rule Derivation: An Algorithm To Determine The Effect Of Traffic Signs On Road Networks", en Proc. of the 20th Pacific Asia Conference on Information Systems (PACIS 2016), AIS Electronic Library (AISeL), Chiayi (Taiwán), 2016.
Brisaboa, N. R.; Gomez Brandon, A.; Navarro, G.; Paramá, J. R.: "GraCT: A Grammar based Compressed representation of Trajectories", en Proc. of the 23rd Int. Symp. on String Processing and Information Retrieval (SPIRE 2016) - LNCS 9954, Springer , Beppu (Xapón), 2016, pp. 218-230.
Brisaboa, N. R.; Fariña, A.; Galaktionov H., Daniil; Rodríguez, M. Andrea: "Compact Trip Representation over Networks", en Proc. of the 23rd Int. Symp. on String Processing and Information Retrieval (SPIRE 2016) - LNCS 9954, Springer, Beppu (Xapón), 2016, pp. 240-253.
Artigos en revistas internacionais
Eiras-Franco, C., Bolón-Canedo, V., Ramos, S., González-Domínguez, J., Alonso-Betanzos, A., & Touriño, J. (2016). Multithreaded and Spark parallelization of feature selection filters. Journal of Computational Science
Daniel Valcarce, Javier Parapar, Álvaro Barreiro. Item-Based Relevance Modelling of Recommendations for Getting Rid of Long Tail Products. Knowledge-Based Systems, vol. 103, pp. 41-51, 2016. DOI 10.1016/j.knosys.2016.03.021.
Jesús Vilares, Miguel A. Alonso, Yerai Doval and Manuel Vilares, Studying the Effect and Treatment of Misspelled Queries in Cross-Language Information Retrieval, Information Processing & Management, 52(4):646-657, 2016. ISSN 0306-4573. DOI 10.1016/j.ipm.2015.12.010
L. Sanchez, N. Barreira, N. Sanchez-Marono, A. Mosquera, C. Garcia Resua, M.J. Giraldez, On the development of conjunctival hyperemia computer-assisted diagnosis tools: Influence of feature selection and class imbalance in automatic gradings, Artificial Intelligence in Medicine, 71, 30-42, 2016. 
Caamaño, P., Salgado, R., Bellas, F., & Duro, R. J. (2016). Introducing Synaptic Delays in the NEAT Algorithm to Improve Modelling in Cognitive Robotics. Neural Processing Letters43(2), 479-504.
Salgado, R., Prieto, A., Bellas, F., Calvo-Varela, L., & Duro, R. J. (2016). Motivational engine with autonomous sub-goal identification for the Multilevel Darwinist Brain. Biologically Inspired Cognitive Architectures17, 1-11.
Artigos en revistas nacionais
Yerai Doval, Carlos Gómez-Rodríguez and Jesús Vilares, Segmentación de palabras en español mediante modelos del lenguaje basados en redes neuronales, Procesamiento del Lenguaje Natural, 57:75-82, 2016. ISSN 1135-5948.
David Vilares and Miguel A. AlonsoA review on political analysis and social mediaProcesamiento del Lenguaje Natural, 56:13-23, 2016. ISSN 1135-5948.
Capítulo de Libro
J. de MouraJ. NovoM. OrtegaP. Charlón"3D retinal vessel tree segmentation and reconstruction with OCT images"Lecture Notes in Computer Science: Image Analysis and Recognition9730716-726SpringerISBN: 978-3-319-41500-0International Conference on Image Analysis and Recognition, ICIAR'1613/07/2016-15/07/2016Povoa de Varzim, Portugal July 2016
J. de MouraJ. NovoM. OrtegaN. BarreiraM. G. Penedo"Vessel Tree Extraction and Depth Estimation with OCT Images"Lecture Notes in Artificial Intelligence: Advances in Artificial Intelligence986823-33SpringerISSN: 0302-9743ISBN: 978-3-319-44635-610.1007/978-3-319-44636-317th Conference of the Spanish Association for Artificial Intelligence, CAEPIA 201614/09/2016 - 16/09/2016Salamanca September 2016
Outras publicacións
Brisaboa, N. R.Cerdeira-Pena, A.Lopez Lopez, N.Navarro, G.Penabad, M. R.Silva Coira, F.: "Efficient Representation of Multidimensional Data over Hierarchical Domains", en Proc. of the 23rd Int. Symp. on String Processing and Information Retrieval (SPIRE 2016) - LNCS 9954, Springer, Beppu (Xapón), 2016, pp. 191-203.
Artigos en revistas internacionais
A. Monteagudo and J. Santos. “Treatment analysis in a cancer stem cell context using a tumor growth model based on cellular automata”. PLOS ONE doi: 10.1371/journal.pone.0132306, 10 (7), 2015 (Impact Factor: 3.234).
J. Santos and A. Monteagudo. “Analysis of behaviour transitions in tumour growth using a cellular automaton simulation”. IET Systems Biology. doi: http://dx.doi.org/10.1049/iet-syb.2014.0015 9(3):75 – 87, 2015 (Impact Factor: 1.059).
Daniel Valcarce, Javier Parapar, Álvaro Barreiro. A Distributed Recommendation Platform for Big Data. Journal of Universal Computer Science, vol. 21(13), pp. 1810-1829, 2015. DOI 10.3217/jucs-021-13-1810.
David VilaresMiguel A. Alonso and Carlos Gómez-RodríguezA linguistic approach for determining the topics of Spanish Twitter messagesJournal of Information Science, 41(2): 127-145, 2015. ISSN 0165-5515. DOI 10.1177/0165551514561652
David VilaresMiguel A. Alonso and Carlos Gómez-RodríguezA syntactic approach for opinion mining on Spanish reviewsNatural Language Engineering, 21(1):139-163, 2015. ISSN 1351-3249. DOI 10.1017/S1351324913000181
David VilaresMike Thelwall and Miguel A. AlonsoThe megaphone of the people? Spanish SentiStrength for real-time analysis of political tweetsJournal of Information Science, 41(6):799-813, 2015. ISSN 0165-5515. DOI 10.1177/0165551515598926
David VilaresMiguel A. Alonso and Carlos Gómez-RodríguezOn the usefulness of lexical and syntactic processing in polarity classification of Twitter messagesJournal of the Association for Information Science and Technology (JASIST), 66(9):1799-1816, 2015. ISSN 2330-1635. DOI 10.1002/asi.23284
Capítulo de Libro
J.Santos and A. Monteagudo. “Tumor growth emergent behavior analysis based on cancer hallmarks and in a cancer stem cell context”. Emerging Trends in Computational Biology, Bioinformatics and Systems Biology. Q-N. Tran & H.R. Arabnia (Eds.) 2015 (In Press)
L. Sanchez, N. Barreira, H. Pena Verdeal, E. Yebra Pimentel, A novel framework for hyperemia grading based on artificial neural networks, Lecture Notes in Computer Science: Advances in Computational Intelligence (International Work Conference on Artificial Neural Networks, IWANN 2015), 9094, 263-275, 2015. 
L. Sanchez, N. Barreira, A. Mosquera, C. Garcia Resua, E. Yebra Pimentel, Automatic Selection of Video Frames for Hyperemia Grading, Lecture Notes in Computer Science: Computer Aided Systems Theory, Revised Selected Papers EUROCAST 2015, 9520, 479 - 486, 2015. 
Artigos en revistas internacionais
A. Monteagudo and J. Santos. “Studying the capability of different cancer hallmarks to initiate tumor growth using a cellular automaton simulation. Application in a cancer stem cell context”. Biosystems doi: 10.1016/j.biosystems.2013.11.001115, 115:46-58. 2014 (Impact Factor: 1.548).

Oferta de prazas

curso 2022/2023
Oferta xeral 20