Seminario 28 de marzo 2023

Esther Puyol Antón

Título: IA para canalizaciones de imágenes de extremo a extremo: ¿preparado para grandes cohortes de rutina?
Resumen: La resonancia magnética cardíaca (RMC) juega un papel central en el diagnóstico y las decisiones de manejo de los pacientes con insuficiencia cardíaca (IC). Sin embargo, la mayoría de los biomarcadores de CMR que se utilizan actualmente solo pintan una imagen aproximada de la salud cardíaca, ignorando factores importantes como el movimiento de la pared regional, la forma, las condiciones de carga y la salud vascular. Se puede estimar un conjunto más rico y completo de biomarcadores de la función cardíaca a partir de la RMC, pero extraerlos manualmente lleva mucho tiempo.
El objetivo de nuestro proyecto es mejorar la capacidad de los médicos para evaluar la función cardíaca a partir de imágenes de RMC utilizando inteligencia artificial. Esta charla se centrará en cómo utilizar el control de calidad y los modelos de IA interpretables y generalizables para entrenar herramientas robustas para recolectar automáticamente un gran conjunto de nuevos biomarcadores de imágenes de cine CMR para informar el diagnóstico y las decisiones de tratamiento por parte de los médicos. La parte final de la charla se centrará en el tema de la equidad en la IA y cómo esto puede afectar la traducción clínica y las diferentes estrategias de sesgo que se pueden aplicar.
Biografía: La Dra. Esther Puyol Anton completó su Licenciatura y Maestría en Ciencias en la Universidad Politécnica de Cataluña (España) en Procesamiento de Señales Biomédicas en 2014. Durante sus estudios en España, se matriculó en un programa de doble titulación con Telecom Bretagne (Francia), donde obtuvo la Maestría en Ingeniería en Francia y una Maestría en Investigación en Imágenes Médicas en 2014. Entre 2014 y 2018, fue estudiante de doctorado en el departamento de Ingeniería Biomédica del King's College de Londres bajo la supervisión del Dr. Andrew King, el Dr. Paul Aljabar y la Prof. Julia. Schnabel de KCL y el Dr. Paolo Piro de Philips Healthcare. El objetivo principal de su doctorado fue desarrollar un atlas estadístico multimodal de la función cardíaca a partir de imágenes de ultrasonido y RM cardíacas, que podría aplicarse utilizando solo imágenes de ultrasonido de bajo costo. Durante los últimos 4 años, fue becaria de investigación posdoctoral en la Escuela de Ingeniería Biomédica y Ciencias de la Imagen del King's College de Londres. Su enfoque principal es desarrollar nuevos sistemas de IA interpretables y con control de calidad para aplicaciones clínicas. Actualmente, trabaja en HeartFlow como científica investigadora senior.

Néstor Muñoz Camelo

Título: Fantasma cerebral in-silico realista para imágenes de tensor de susceptibilidad.

Resumen: La susceptibilidad magnética es la respuesta de un material a un campo magnético. En el caso del tejido biológico, la susceptibilidad magnética depende de la orientación del tejido escaneado, debido a materiales complejos como la mielina en el cerebro. Susceptibility Tensor Imaging (STI) es una técnica reciente que puede calcular la anisotropía de susceptibilidad magnética en el tejido escaneado. Las técnicas recientes incluyen métodos directos, como los mínimos cuadrados, o métodos iterativos asumiendo anisotropía solo en la materia blanca. Sin embargo, el tiempo escaneado o el tiempo de computación pueden ser demasiado costosos con los algoritmos existentes. Además, cada algoritmo produce resultados diferentes, por lo que es muy difícil evaluar el rendimiento de cada algoritmo. En esta presentación, se mostrará el diseño de un fantasma cerebral realista con tensor de susceptibilidad, incluido su comportamiento de anisotropía de susceptibilidad magnética. Este cerebro de tensor de susceptibilidad funcionaría como verdad básica para algoritmos nuevos y existentes de reconstrucción de STI.

Biografía: Néstor estudió ingeniería electrónica y biomédica en la Universidad de Los Andes, Colombia. Él es un Ph.D. candidato de la Pontificia Universidad Católica de Chile, y actualmente trabaja en la reconstrucción del Susceptibility Tensor Imaging en el cerebro utilizando algoritmos de Red Neural Profunda.

Galería