Es una ANN compuesta por múltiples capas de neuronas ubicadas entre la entrada y la salida, conocidas como capas ocultas. La adición estas capas permite incrementar el potencial de la red para solucionar problemas de clasificación y regresión con conjuntos de datos complejos (no lineales y discontinuos). El algoritmo de entrenamiento más extendido para esta red se conoce como backpropagation (BP), que consta de dos etapas: (1) la red es estimulada con una entrada, esta se propaga a través de la ANN desde la primera capa hasta la última, produciendo una salida; (2) la diferencia entre la salida deseada y salida obtenida es usada para ajustar los parámetros de la red empezando desde la última capa, avanzando hacia atrás, hasta la primera capa [2].

ANN introducida por J. Hopfield que funciona como memoria asociativa, en donde cada neurona se encuentra conectada a las demás neuronas. Durante su entrenamiento, se suministran todos los ejemplos de entrada, y se espera que la red almacene y memorice estos patrones. Una vez entrenada, su capacidad de memoria asociativa es usada para recordar y reconocer los patrones almacenados, aún en presencia de ruido [6].

Los mapas auto-organizados son un tipo de ANN introducido por Kohonen que funciona como método de agrupamiento. Estas redes toman los datos de entrada y los agrupan de acuerdo a su similitud en patrones. Son diseñadas de forma que las neuronas de salida con patrones similares son vecinas [7].

La red neuronal profunda multicapa perceptron toma la arquitectura de la red MLP, pero emplea un mayor número de neuronas y capas ocultas para solucionar problemas donde los datos de entrada son de alta complejidad. El desarrollo de este tipo de redes se debe a los recientes avances en métodos heurísticos para entrenamiento de grandes arquitecturas y herramientas computacionales (hardware y software) [3].

Las redes DAE son un caso especial de DMLP que poseen dos características principales: (1) emplean el mismo número de neuronas en la entrada y salida, y (2) emplean un menor número de neuronas en las capas ocultas respecto a las usadas en la entrada y salida. Esta arquitectura permite que sus principales aplicaciones sean la extracción y reducción de características, y el pre- entrenamiento de parámetros de DNNs más complejas [8].

Las redes neuronales recurrentes poseen una arquitectura donde las conexiones entre neuronas forman un gráfico dirigido a lo largo de una secuencia temporal, lo que les permite ser útiles para analizar datos en series de tiempo, exhibir un comportamiento dinámico, tener una memoria interna y mantener información sobre lo que sucedió en pasos de tiempos anteriores [3]. Estas características hacen que las RNNs sean usadas principalmente en aplicaciones de análisis de texto y de habla. Dentro de este tipo de arquitectura se encuentran las unidades de memoria a largo plazo (long-short term memory units, LSTM) que son especialmente diseñadas para aplicaciones donde se pueden presentar retrasos muy largos y desconocidos entre eventos importantes en la serie de tiempo [9].

La máquina restringida de Boltzmann es una ANN estocástica que puede aprender una distribución probabilística a partir del conjunto de datos de entrada. Su arquitectura consiste en una capa de neuronas visibles y una capa de neuronas ocultas que se conectan entre sí, sin permitir conexiones entre neuronas del mismo tipo de capa. Sus principales aplicaciones son el modelado de relaciones probabilísticas y el pre-entrenamiento de parámetros de DNNs más complejas [10]. Dentro de esta arquitectura se encuentran las redes neuronales de creencias profundas (deep belief networks, DBNs) que se caracterizan porque cada capa oculta sirve de capa visible para la siguiente capa [11].

Las redes neuronales convolucionales son inspiradas en la corteza visual, la cual consiste en mapas de campos receptivos locales que responden a los estímulos únicamente en una región del campo visual, y disminuyen a medida que la corteza se mueve hacia adelante; los campos receptivos se superponen de modo que cubren todo el campo visual. Las CNNs toman la arquitectura de la DMLP, pero su principal diferencia es que cada neurona solo se encuentra conectada a un parche local de neuronas de la siguiente capa [12]. Esta arquitectura aprovecha el patrón jerárquico de los datos para ensamblar patrones más complejos usando unos patrones más pequeños y simples. Su nombre indica que la red usa el operador matemático conocido como convolución, que permite realizar operaciones complejas de forma más sencilla. En esta red, los datos de entrada son convolucionados por diferentes filtros convolucionales durante el desplazamiento a través de las neuronas. Los filtros convolucionales comparten los mismos parámetros en cada pequeña porción la red, reduciendo los parámetros del algoritmo. Su principal aplicación son las tareas de visión artificial, como la clasificación y segmentación de imágenes [13].

Las interfaces cerebro-máquina y hombre-máquina son una combinación de hardware y software que, a través de las señales eléctricas de la actividad cerebral y muscular, permiten controlar dispositivos externos o diagnosticar enfermedades. Estas interfaces se componen de un sensor, normalmente un electrodo encargado de adquirir las señales de la actividad cerebral o muscular, una etapa de amplificación y filtrado, y un sistema de control [80].

Para el control de dispositivos externos, las ANNs y el DL han sido aplicados al reconocimiento de patrones de movimiento de las manos a partir de señales superficiales de electromiografía (electromyography, EMG) del antebrazo, con el fin de mejorar el control y funcionalidad de las manos protésicas. Distintos tipos de arquitecturas han sido implementadas para esta aplicación, como CNNs en los trabajos de M. Atzori, M. Cognolato y H. Müller [81] y W. Geng et al [82], DNNs en el trabajo de C. Li et al [83] y MLPs en los trabajos de K. Vonsevych et al [84], C. Calderon-Cordova et al [85] y M. R. Pambudi, R. Sigit and T. Harnoso [86].

Sin embargo, el control de dispositivos externos y de interfaces hombre-máquina no se ha restringido al uso de señales de electromiografía, sino que se han desarrollado aplicaciones que involucran distintos tipos de entradas y arquitecturas de ANNs. Algunos ejemplos se encuentran en los trabajos de: M. Poggi y S. Mattocia [87] donde se desarrolla un dispositivo compuesto por una CNN, una cámara RGBD y una placa CPU, para guiar personas con discapacidades visuales, permitiendo detectar obstáculos en tiempo real y obtener información acerca del entorno a través de mensajes de audio. J. Huang et al [88] proponen un sistema para mejorar la comunicación de personas sordomudas basado en DNNs para el reconocimiento e interpretación del lenguaje de señas usando el método real-sense, que toma las coordenadas en 3D de las articulaciones de los dedos y detecta el movimiento de manera más natural que otros métodos, como el Kinect o el uso de guantes con sensores. P. Pouladzadeh et al [89] y P. Kuhad, A. Yassine Y S. Shimohammadi [90] proponen un sistema para la medición de calorías con el objetivo de ayudar a pacientes y médicos en la prevención de enfermedades relaciones con la dieta, como la obesidad. El sistema usa una cámara para detectar la comida, reconocerla y clasificarla de acuerdo a una base de datos previamente cargada. Para determinar las calorías usa dos aproximaciones: (1) basado en la comparación del alimento con el tamaño del dedo, y (2) usando una estimación de distancia entre el móvil y la comida. Sri- ngernyuang, C., et al [91] desarrollan un sistema de monitoreo y alarma para prevenir la caída de pacientes en camilla a través de una ANN que reconocía 5 diferentes patrones del paciente en la camilla: sentado dentro de la camilla, supino, lateral derecha, lateral izquierda, sentado a los lados, y en las esquinas.

En cuanto a las aplicaciones para el diagnóstico de enfermedades usando señales eléctricas de la actividad cerebral o muscular, T. J. Hong et al [92] trabajan en un sistema basado en una CNN y una red recurrente LSTM para el diagnóstico automático de la enfermedad de arteria coronaria por medio de señales de electrocardiograma (ECG). U. Rajendra et al [93] implementan una CNN para la detección automática del infarto de miocardio a partir de señales ECG. J. T. Turner et al [94] proponen diferentes algoritmos de ML basados en DNNs para la detección de trastornos convulsivos por medio de señales de electroencefalografía (EEG). Y. Zhao and L. He [95] proponen un sistema basado en una RBM, máquinas de soporte vectorial y un método de aprendizaje incremental para el diagnóstico de las etapas tempranas de Alzheimer por medio de señales EEG. U. Rajendra et al [96] proponen un método basado en una CNN para la detección de depresión usando señales EEG con miras a extender la investigación al diagnóstico de las diferentes etapas de la depresión y el desarrollo del índice de severidad de la depresión (depression severity index, DSI). L. Fraiwan y K. Lweesy [97] implementan en un sistema basado en DAE y señales EEG en el dominio del tiempo y la frecuencia, para la identificación del estado del sueño de los neonatos, el cual permite el diagnóstico de posibles desórdenes fisiológicos en los recién nacidos. Y. I. Al Mashhdany and M. K. Awsaj [98] trabajan en la aplicación de RNNs para el diagnóstico de enfermedades musculares a partir de señales de EMG como el síndrome de túnel carpiano.

La gestión y administración de la salud pública tiene como objetivo prolongar la vida humana y promover el cuidado de la salud por medio del análisis de la propagación de enfermedades y su relación con factores ambientales y sociales. Su campo de aplicación se extiende desde pequeñas poblaciones localizadas o conjuntos de personas pertenecientes a una determinada institución médica, hasta largas poblaciones que abarcan varios continentes.

Este campo de la ingeniería biomédica maneja grandes conjuntos de datos y modelos altamente complejos que involucran conocimientos derivados de la física, la química y la biología. El potencial de las ANNs y DL dentro de esta rama se establece en el manejo rápido y eficiente de la información para fines de clasificación, predicción, reconocimiento de patrones y modelado de interacciones. Las principales aplicaciones del ML a la gestión y administración de la salud pública se concentran en la vigilancia de enfermedades, epidemias y pandemias, el modelado y análisis de enfermedades asociadas a hábitos, estilos de vida, factores sociales y ambientales, el monitoreo y predicción de la calidad del aire, la vigilancia en la seguridad de los medicamentos, entre otros.

Los sistemas de información médica en hospitales modernos e instituciones médicas crecen exponencialmente, generando dificultad en la extracción de información útil. Los medios manuales y convencionales de revisión han quedado obsoletos por su ineficiencia y se han visto reemplazados por métodos de análisis computacionales. Las ANNs y el DL son métodos potenciales a usar en este campo para incrementar la precisión de diagnósticos, reducir costos y recursos humanos. N. S. El Jerjawi y S. S. Abu-Naser [99], S. Srivastava et al [100] y P. Rahimloo y A. Jafarian [101] proponen sistemas basados en MLP con diferentes algoritmos de aprendizaje, como Levenberg-Marquadt, backpropagation y métodos de regresión, para el diagnóstico de diabetes mellitus tipo II (DMT2) a partir de datos suministrados por instituciones de salud como: número de embarazos, concentración de glucosa en plasma, presión arterial, grosor del pliegue de la piel del tríceps, insulina sérica, índice de masa corporal, función pedigrí de diabetes y edad. Estos sistemas permiten la clasificación de los pacientes en tres categorías: sano, pre-diabetes y diabetes.

Dentro del modelado de enfermedades asociadas a hábitos y estilos de vida se han desarrollado metodologías basadas en ML para el análisis de la información contenida en redes sociales. L. Zhao et al [102] proponen un método de epidemiología computacional basado en DNNs y aprendizaje semi- supervisado para hacer seguimiento a enfermedades infecciosas, como influenza y Ebola, a partir de las redes sociales, específicamente de Twitter. B. Zou et al [103] investigan el uso del contenido de las redes sociales, específicamente de Twitter, para detectar y cuantificar enfermedades intestinales contagiosas, como campilobacteriosis, norovirus e intoxicación por ingesta de comida, usando una aproximación de DL. Los resultados mostraron que la información de Twitter puede servir de complemento para los métodos convencionales de vigilancia de enfermedades intestinales. V. R. K. Garimella, A. Alfayad y I. Weber [104] investigan el uso de imágenes publicadas por usuarios de redes sociales, como Twitter e Instagram, para detectar estilos de vida y hábitos que contribuyen al desarrollado de enfermedades como la obesidad, el alcoholismo y el tabaquismo. Para ello usaron un algoritmo de DL para analizar y categorizar las imágenes publicadas y detectar comportamientos como el consumo excesivo de alcohol, el consumo de sustancias nocivas, y la ingesta de comida no saludable. N. Phan et al [105] proponen un método basado en RBM con algoritmos de aprendizaje de BP y divergencia contrastante, para predecir el nivel de actividad física de los usuarios de una red social a partir de factores como la auto-motivación, las influencias sociales y los eventos ambientales, que permitiera prevenir la obesidad y contribuir al bienestar.

Una de las áreas de la salud pública donde las ANNs y el DL han sido exitosos es en el monitoreo de la calidad del aire y la predicción de los contaminantes presentes en este. La mala calidad del aire es una de las principales causas de enfermedades crónicas pulmonares, y responsable de una gran cantidad de muertes prematuras a nivel mundial [106]. M. R. Delavar et al [107] proponen varios métodos de ML para determinar los modelos de predicción de la contaminación del aire de la ciudad de Teherán atribuida al material particulado PM10 y PM2.5 basados en máquinas de soporte vectorial, ANNs y DL.

El método que permite alcanzar una mayor confiabilidad en los resultados fue el DL, por medio de una red neuronal no lineal auto-regresiva (auto-regressive non-linear neural network, ARNNN). M. Blagojevic et al [108] proponen una MLP con un algoritmo de aprendizaje basado en BP para la clasificación del nivel de contaminación del aire en el distrito Moravica en Serbia, a través de datos como: municipio, sitio, año, niveles de hollín, dióxido de sulfuro (SO2), dióxido de nitrógeno (NO2) y material particulado. X. Feng et al [109] proponen un modelo híbrido que combina el análisis de la trayectoria de la masa de aire y la transformada wavelet para mejorar la precisión de una red MLP para el pronóstico de las concentraciones de material particulado (PM2.5).

El modelo propuesto se implementa en 13 estaciones de monitoreo en Bejing, Tianjin y la provincia de Hebei, y los resultados exhiben una mejora en el pronóstico que permite que este modelo tenga potencial de aplicación en otras estaciones de monitoreo en diferentes países. B. T. Ong, K. Sugiura y K. Zettsu [106] desarrollan un sistema basado en una RNN junto con un método de entrenamiento en series de tiempo con auto-encoders para predecir la concentración del material particulado (PM2.5) del aire de Japón a partir de mediciones capturadas en cerca de 52 ciudades. El sistema implementado se contrasta con el sistema de predicción VENUS (Visual Atmospheric Environment Utility System) del Instituto Nacional de Estudios Ambientales de Japón, donde los resultados experimentales muestran que el sistema propuesto logra mejorar el nivel de precisión de las predicciones de la concentración de PM2.5 informadas en Japón.