Seminario 04 de Julio 2023

Carlos Valle Araya

Título: Hacia la decodificación del habla natural con interfaces cerebro-máquina no invasivas

Resumen: Las interfaces cerebro-computadora (BCI) han revolucionado la comunicación al traducir la actividad cerebral en comandos para interactuar con el mundo externo. En los últimos años, ha habido un enfoque creciente en las BCI del habla basadas en electroencefalografía (EEG) no invasivas que tienen como objetivo decodificar el habla percibida y silenciosa de áreas del cerebro relacionadas con el lenguaje, como las áreas de Broca y Wernicke. Estos BCI de voz tienen como objetivo decodificar el habla directamente de los datos neuronales y tienen el potencial de permitir una comunicación más natural en comparación con los métodos convencionales como escribir caracteres individuales (es decir, el uso de la señal P300).
Tanto el habla como los datos neuronales exhiben dinámicas no lineales complejas, lo que hace que los algoritmos de decodificación lineal no sean óptimos para estas tareas. Las redes neuronales profundas (DNN) ofrecen una solución a este desafío, debido a las propiedades no lineales de las funciones de activación en la mayoría de las capas. Sin embargo, los DNN requieren una gran cantidad de datos para entrenar, lo que puede llevar mucho tiempo y ser costoso. Investigamos la creación de modelos de decodificación con la capacidad de generalizar a través de diferentes temas, estableciendo así modelos universalmente aplicables que pueden funcionar de manera eficiente con individuos nunca antes vistos. Mediante el avance de estas técnicas, nuestro objetivo es facilitar la implementación práctica de herramientas de decodificación de voz en entornos del mundo real.

Biografía: Carlos es Licenciado en Ingeniería Biomédica de la Pontificia Universidad Católica de Chile, Chile. Es candidato a doctor en el Programa de Doctorado del Instituto de Ingeniería Biológica y Médica (IIBM) de la Pontificia Universidad Católica de Chile bajo la dirección de la Dra. MarC-a RodrC-guez-FernC!ndez y la Dra. Carolina Méndez. Su investigación tiene como objetivo mejorar los modelos Brain-to-Text que transforman la actividad cerebral en representaciones textuales en tareas de percepción del habla y monólogo interno (habla silenciosa) utilizando Deep Learning y Transfer Learning. Además, está interesado en la comunidad de código abierto para la creación de herramientas que faciliten y mejoren la investigación científica.

Alberto Di Biase Oemick

Título: Mapeo cardíaco T2 rápido en 3D con resolución isotrópica habilitado por Deep Learning

Resumen: El mapeo paramétrico del corazón puede ser útil para el diagnóstico de diferentes enfermedades miocárdicas. Este trabajo se basa en la secuencia MUST-T2 desarrollada por Aurélien Bustin y colaboradores del King's College London. Esta secuencia se puede hacer mapeo T2 en 3D con resolución isotrópica en menos de 8 minutos. Originalmente, esta secuencia se reconstruyó utilizando una reconstrucción basada en parches de bajo rango (HD-PROST) y coincidencia de diccionario para el mapeo. Este método de reconstrucción es lento y este trabajo se enfoca en acelerar los tiempos de reconstrucción y mapeo usando aprendizaje profundo.

Biografía: Alberto Di Biase tiene una maestría en ingeniería eléctrica de la Pontificia Universidad Católica de Chile, con énfasis en imágenes de resonancia magnética (IRM) e imágenes médicas. Tiene experiencia trabajando en investigación de aprendizaje profundo para acelerar y mejorar la resonancia magnética. Actualmente, trabaja como ingeniero de investigación en el iHealth Millennium Institute for Intelligent Healthcare Engineer en Santiago, Chile.

Galería