La Visión por Computador y el Aprendizaje Profundo - Aplicaciones a la Salud

Ciclo: SOS! Aquí la Tierra. Desafíos y retos del Cambio Global

Los modelos del Aprendizaje Profundo y las Redes Neuronales  han revolucionado muchos campos, incluyendo la visión por ordenador, el procesamiento del lenguaje natural, el reconocimiento de formas, y se utilizan cada vez más en aplicaciones de atención médica clínica. Hoy en día, la Visión por Computador y el Aprendizaje Profundo representan un buen competidor de los expertos humanos en la resolución de problemas como la detección de tumores en imágenes médicas, la segmentación y el análisis de órganos, el registro de imágenes médicas multimodales y la predicción de enfermedades. En esta sesión, daremos las claves de lo que es un modelo de Aprendizaje Profundo, qué tipo de problemas puede resolver, y qué avances y limitaciones tiene. Ilustraremos los modelos de Aprendizaje Profundo con un problema real específico de análisis de imágenes y hablaremos sobre  las aplicaciones, y proyectos tanto internacionales como nacionales en los que trabaja nuestro grupo consolidado CVMLUB. 

Currículum Vitae 

La profesora Petia Radeva es catedrática de la Universidad de Barcelona (UB), directora del Grupo de Investigación Consolidado "Visión por Computador y Aprendizaje Automático" de la Universidad de Barcelona (CVMLUB) en la UB (www.ub.edu/cvmlub) e investigadora senior en el Centro de Visión por Computador (www.cvc.uab.es). Ha sido IP de la UB en 7 proyectos europeos, 8 internacionales y más de 45 nacionales dedicados a las aplicaciones de la Visión por Computador y el Aprendizaje Automático a problemas reales como la monitorización de la ingesta de alimentos (por ejemplo, para pacientes con trasplantes de riñón y para personas mayores). Petia Radeva es vicepresidenta de REA-FET-OPEN desde 2015 y mentora internacional del programa Wild Cards EIT desde 2017. Es Colaboradora de Investigación de la Agencia Estatal de Investigación (AEI) del Ministerio de Ciencia e Innovación de España.

Emisión en Streaming