Se recomienda haber superado, o haber adquirido conocimientos previos al máster de las asignaturas de Procesado de Imagen Biomédica, Aprendizaje Automático y Aprendizaje Profundo.

La asignatura 'Inteligencia Artificial en Radiología y Microscopía' explora la intersección de la IA, la radiología y la microscopía, enseñando a los estudiantes a plicar técnicas de aprendizaje automático y visión por computadora al análisis de imágenes médicas. Cubriendo temas como segmentación, clasificación y diagnóstico automatizado, los estudiantes participarán en ejercicios prácticas y colaboración interdisciplinaria para adquirir habilidades prácticas y abordar las implicaciones éticas de la imagen médica impulsada por la IA. Los objetivos particulares del curso son: - Proporcionar una compresión integral de los principios, técnicas y aplicaciones de la IA en los campos de la radiología y la microscopía. - Familiarizar a los estudiantes con los últimos avances en tecnologías de IA, como el aprendizaje profundo, el aprendizaje automático y la visión por computadora, y su papel en la mejora de la precisión y eficiencia del análisis de imágenes radiológicas y microscópicas. - Desarrollar habilidades en el uso de herramientas y algoritmos de IA para la identificación, segmentación y clasificación de imágenes médicas, incluyendo radiografías, tomografías computarizadas, resonancias magnéticas e imagen microscópica. - Dotar a los estudiantes con las habilidades necesarias para evaluar criticamente las fortalezas, limitaciones e implicaciones éticas de las aplicaciones de IA en radiología y microscopía. - Fomentar la colaboración interdisciplinaria entre científicos de la computación, ingenieros, radiólogos y patólogos, promoviendo una compresión más profunda de las sinergias potenciales entre estos campos. - Promover una cultura de innovación e investigación en la aplicación de la IA a la radiología y microscopía, inspirando a los estudiantes a contribuir al desarrollo de nuevos algoritmos, técnicas y soluciones que aborden los desafíos existentes y las necesidades emergentes en estos campos. - Preparar a los estudiantes para carreras en imágenes médicas impulsadas por IA, proporcionándoles el conocimiento y las habilidades necesarias para sobresalir en entornos de investigación, industria y clínicos.

1. IA en imagen biomédica - Antecedentes históricos - Desarrollos recientes - Impacto de los métodos en la investigación y práctica clínica 2. Evaluación de métodos basados en IA -Bases de datos públicas - Competiciones 3. Métodos basados en IA en microscopía - Reducción del ruido y preprocesado - Segmentación - Síntesis de imágenes - Detección y seguimiento de objetos - Consideraciones prácticas y soluciones existentes 4. Métodos basados en IA en radiología y radioterapia - Segmentación - Síntesis de imágenes - Clasificación y diagnóstico automático - Predicción de respuesta a tratamiento - Consideraciones prácticas y soluciones existentes 5. Consideraciones éticas, protección de datos, aprendizaje federado 6. Seminarios invitados (Investigadores y empresas como Siemens, Cella, Spotlab...)

AF3 Clases teórico prácticas AF4 Prácticas de laboratorio AF6 Trabajo en grupo AF7 Trabajo individual del estudiante AF8 Exámenes parciales y finales Código actividad Nº Horas totales Nº Horas Presenciales Nº Horas No Presenciales AF3 84 84 0 AF4 63 63 0 AF6 90 0 90 AF7 222 0 222 AF8 9 9 0 TOTAL MATERIA 468 156 312