Universidad Pública de Navarra



Año Académico: 2023/2024
Máster Universitario en Ingeniería Biomédica por la Universidad Pública de Navarra
Código: 720609 Asignatura: Deep Learning para Imagen Médica
Créditos: 6 Tipo: Obligatoria Curso: 1 Periodo: 2º S
Departamento:
Profesorado:
ARIZ GALILEA, MIKEL (Resp)   [Tutorías ] GARDE LECUMBERRI, GONZALO   [Tutorías ]
OYARZUN DOMEÑO, ANNE   [Tutorías ]

Partes de este texto:

 

Módulo/Materia

Módulo: Análisis de señales e imágenes médicas

Materia: Análisis de señales e imágenes médicas

Subir

Descripción/Contenidos

Partiendo de los conocimientos avanzados sobre procesado digital de imagen se aborda la contribución de la inteligencia artificial al ámbito de la imagen médica en sus diferentes fases de análisis. El núcleo de la asignatura comprende el estudio de las redes neuronales convolucionales y sus aplicaciones.

Subir

Competencias genéricas

RA0 - Tener conocimientos especializados y avanzados en una o varias disciplinas o áreas de práctica de la Ingeniería Biomédica, incluyendo las que se han desarrollado recientemente, que amplíen o mejoren los conocimientos vinculados al nivel del grado.

RA1 - Analizar críticamente conocimientos especializados en el campo de la Ingeniería Biomédica, en buena parte de manera autodirigida o autónoma.

RA2 - Evaluar diferentes aproximaciones a problemas de la Ingeniería Biomédica, valorando críticamente sus metodologías, prestaciones, limitaciones y resultados, incluyendo, en su caso, una reflexión sobre las responsabilidades sociales y éticas vinculadas a la solución propuesta en cada caso.

RA3 - Crear nuevas soluciones a retos multidisciplinares de la Ingeniería Biomédica, proponiendo y desarrollando planteamientos o hipótesis originales en un plano abstracto, a menudo con una información incompleta o limitada.

RA4 - Comunicar de manera clara e inequívoca las ideas y conclusiones, así como el conocimiento y la lógica subyacentes, a públicos especializados y no especializados, de manera adecuada al contexto de la Ingeniería Biomédica y utilizando las convenciones propias del ámbito profesional.

RA5 - Trabajar en equipo entre iguales, así como con especialistas y no especialistas, supervisores y clientes.

CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.

CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.

CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.

CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.

CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

Subir

Competencias específicas

RA16 - Analizar y seleccionar razonadamente técnicas avanzadas de Deep Learning para aplicaciones de imagen médica.

RA17 - Diseñar y desarrollar sistemas de segmentación, registro y clasificación de señales biomédicas orientados al diagnóstico a partir de bases de datos de señales etiquetadas.

Subir

Resultados aprendizaje

RA0 - Tener conocimientos especializados y avanzados en una o varias disciplinas o áreas de práctica de la Ingeniería Biomédica, incluyendo las que se han desarrollado recientemente, que amplíen o mejoren los conocimientos vinculados al nivel del grado.

RA1 - Analizar críticamente conocimientos especializados en el campo de la Ingeniería Biomédica, en buena parte de manera autodirigida o autónoma.

RA2 - Evaluar diferentes aproximaciones a problemas de la Ingeniería Biomédica, valorando críticamente sus metodologías, prestaciones, limitaciones y resultados, incluyendo, en su caso, una reflexión sobre las responsabilidades sociales y éticas vinculadas a la solución propuesta en cada caso.

RA3 - Crear nuevas soluciones a retos multidisciplinares de la Ingeniería Biomédica, proponiendo y desarrollando planteamientos o hipótesis originales en un plano abstracto, a menudo con una información incompleta o limitada.

RA4 - Comunicar de manera clara e inequívoca las ideas y conclusiones, así como el conocimiento y la lógica subyacentes, a públicos especializados y no especializados, de manera adecuada al contexto de la Ingeniería Biomédica y utilizando las convenciones propias del ámbito profesional.

RA5 - Trabajar en equipo entre iguales, así como con especialistas y no especialistas, supervisores y clientes.

RA16 - Analizar y seleccionar razonadamente técnicas avanzadas de Deep Learning para aplicaciones de imagen médica.

RA17 - Diseñar y desarrollar sistemas de segmentación, registro y clasificación de señales biomédicas orientados al diagnóstico a partir de bases de datos de señales etiquetadas.

Subir

Metodología

Metodología - Actividad Horas Presenciales Horas no presenciales
A-1 Clases expositivas/participativas 24  
A-2 Prácticas 32  
A-3 Realización de trabajos/proyectos en grupo   14
A-4 Estudio y trabajo autónomo del estudiante   76
A-5 Tutorías    
A-6 Pruebas de evaluación 4  
Total 60 90

Subir

Idiomas

Castellano (material y bibliografía en inglés)

Subir

Evaluación

 

Resultados de
aprendizaje
Actividad de
evaluación
Peso (%) Carácter
recuperable
Nota mínima
requerida
RA0-RA5, RA16, RA17 Pruebas tipo test 40 4
RA0-RA5, RA16, RA17 Presentaciones orales 10 -
RA0-RA5, RA16, RA17 Trabajos e informes individuales 20 -
RA0-RA5, RA16, RA17 Trabajos e informes grupales 30 -

 

 

Subir

Temario

Tema I: Introducción al Deep Learning

Tema II: Redes neuronales convolucionales

Tema III: Aplicaciones en mejora de imagen

Tema IV: Aplicaciones en registro de imagen

Tema V: Aplicaciones en segmentación de imagen

Tema VI: Aplicaciones en clasificación de imagen

Subir

Programa de prácticas experimentales

Prácticas experimentales en el laboratorio sobre cada uno de los temas propuestos.

Subir

Bibliografía

Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.


Deep Learning, I. Goodfellow, Y. Bengio, A. Courville, MIT Press

Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, A. Géron, O`Reilly

A survey on deep learning in medical image analysis - Litjens, G.; Kooi, T.; Bejnordi, B.E, Medical image analysis, 42, 60-88. (2017).

Índice de repositorios de imagen:

https://github.com/beamandrew/medical-data

https://sites.google.com/site/aacruzr/image-datasets

https://github.com/sfikas/medical-imaging-datasets

https://grand-challenge.org/challenges/

Plataformas de software: Keras, TensorFlow y Pytorch

Conferencias científicas de referencia:

MICCAI (Medical Image Computing and Computer-Assisted Intervention)

IPMI (Information Processing in Medical Imaging)

ISBI (International Symposium on Biomedical Imaging)

MIDL (Medical Imaging with Deep Learning)

Subir