Seminario 14 de marzo 2023

Prof. Dr.-Ing. Tomas Kuestner

Título: Integración de IA en el flujo de trabajo de RM: ¿Ya llegamos?

Biografía: Prof. Dr.-Ing. Thomas Küstner (Miembro, IEEE; Junior Fellow, ISMRM) es el presidente de imágenes médicas y análisis de datos (MIDAS.lab) en el Hospital Universitario de Tübingen, Alemania. Recibió su doctorado de la Universidad de Stuttgart, seguido de una estancia en la Escuela de Ingeniería Biomédica y Ciencias de la Imagen en el King's College de Londres, Reino Unido. En el Hospital Universitario de Tübingen, el Dr. Küstner codirige MIDAS.lab y es el portavoz del área transversal "Métodos y datos en imágenes médicas", que es responsable de la infraestructura relacionada con la investigación en la clínica. Su grupo de investigación está trabajando en métodos de obtención y reconstrucción de imágenes médicas multiparamétricas y multimodales habilitados por inteligencia artificial, y en el análisis automatizado de estudios clínicos y epidemiológicos. Se centra especialmente en la imagenología, la corrección y la reconstrucción de movimiento basadas en RM, y en el advenimiento de la inteligencia artificial en la RM.

Resumen: La presentación mostrará soluciones de IA que se integran en el flujo de trabajo clínico de imágenes por resonancia magnética (RM). Se cubrirán soluciones que van desde la adquisición, la reconstrucción, el posprocesamiento hasta el análisis de imágenes. La presentación concluye con los desafíos abiertos y los riesgos asociados al uso de la IA en la práctica clínica.


Jorge Facuse, MSc(c)

Título: Detección y segmentación de cáncer de próstata clínicamente significativo en imágenes de resonancia magnética usando aprendizaje profundo

Biografía: Jorge es ingeniero informático de la Pontificia Universidad Católica de Chile y actualmente se encuentra realizando su maestría en ciencias de la ingeniería en la misma universidad, bajo la tutela de Denis Parra.

Resumen: El cáncer de próstata es uno de los cánceres más prevalentes en hombres a nivel mundial. Por ello, las imágenes de resonancia magnética se han convertido en una herramienta muy importante para el diagnóstico precoz de esta enfermedad. Sin embargo, la evaluación adecuada de estas imágenes requiere una gran experiencia por parte del lector y es una tarea que requiere mucho tiempo. En este proyecto, usamos algoritmos de aprendizaje profundo para manejar automáticamente la detección y segmentación del cáncer de próstata. Cubriremos en esta presentación los datos utilizados para entrenar los modelos, cómo funcionan los algoritmos, nuestro método de evaluación y los resultados hasta la fecha.

Galería