• Inicio

    Prof: Dr. Enzo Ferrante  (Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional (sinc(i)), CONICET / Universidad Nacional del Litoral, Santa Fe, Argentina).
    Durante las últimas décadas, los continuos avances en tecnologías para la captura de imágenes biomédicas han dado lugar a una gran variedad de representaciones visuales del interior de organismos vivos a nivel de órganos, tejidos, células y moléculas. Las modalidades de imagen, tales como los rayos-x, resonancias magnéticas, imágenes de ultrasonido, tomografía computada, microscopias, entre muchas otras, juegan un rol fundamental en la práctica clínica y la investigación en ciencias de la vida. Los métodos basados en aprendizaje automático han cobrado gran relevancia, debido a la necesidad de automatizar los procesos de interpretación de grandes volúmenes de imágenes, con el objeto de extraer información útil a partir de ellas.

    Un tipo particular de métodos de aprendizaje automático conocido como 'aprendizaje profundo' (o 'deep learning' en inglés), ha revolucionado el mundo de las ciencias de la computación en los últimos 5 años y desplazado las fronteras del estado del arte, particularmente en diversos problemas de visión computacional y análisis de imágenes tales como reconocimiento de objetos, clasificación, segmentación y registración de imágenes. Este curso pretende brindar a los estudiantes los conceptos teóricos fundamentales y las herramientas prácticas necesarias para construir sus propios modelos de análisis de imágenes basados en aprendizaje profundo, con especial foco en aplicaciones relacionadas a las imágenes biomédicas.

    Cursada: La materia comenzará el 2/11, y tendrá 3 clases por semana, de 4 horas cada una, durante 4 semanas, en horarios a definir. 

    Modo de evaluación: TP final integrador.