En el congreso internacional SPIE Medical Imaging celebrado en San Diego (California, USA) los días 16 al 21 de Febrero, se ha distinguido con el premio Robert F. Wagner All-Conference Best Student Paper Award (Runner Up) al trabajo presentado por el investigador de la ULPGC, Himar Fabelo Gómez, titulado "Surgical Aid Visualization System for Glioblastoma Tumor Identification based on Deep Learning and In-Vivo Hyperspectral Images of Human Patients".
Este trabajo es el resultado de una estrecha colaboración entre el equipo de bioingeniería de la Universidad de Texas en Dallas (USA) y la división DSI del Instituto de Microelectrónica Aplicada (IUMA) de la ULPGC y recoge los resultados de aplicar 'Deep Learning' a la identificación de tumores cerebrales de alto grado mediante el uso de imágenes hiperespectrales.
El estudio se enmarca dentro del proyecto ITHaCA que desarrolla el Instituto de Microelectrónica Aplicada de la ULPGC, un proyecto multidisciplinar que integra a ingenieros, neurocirujanos y patólogos. Tiene por objetivo principal realizar una diferenciación y clasificación precisa mediante la utilización de imágenes hiperespectrales de los distintos tipos de tumores cerebrales. Esta diferenciación/clasificación se realizará en tiempo real usando algoritmos avanzados de aprendizaje automático o machine learning que se acelerarán usando plataformas hardware de alto rendimiento. Se partirá de algoritmos de clasificación supervisada para identificar el tipo de tumor y de clasificación no supervisada para detectar sus bordes.
SPIE Medical Imaging es uno de los mayores congresos de imagen médica del mundo, acogiendo este año a 1.200 investigadores de todo el mundo. El premio Robert F. Wagner es uno de los más prestigiosos a nivel internacional y reconoce los mejores artículos de toda la conferencia.
En esta conferencia mundial participan los investigadores líderes en procesamiento de imágenes, física, diagnóstico asistido por ordenador, percepción, procedimientos guiados por imágenes, aplicaciones biomédicas, ultrasonido, informática, radiología y patología digital presentan la información más reciente. También se enfoca en áreas emergentes rápidas como aprendizaje profundo, inteligencia artificial y aprendizaje automático.
La temática a tratar se centra en las últimas innovaciones relacionadas con los principios científicos fundamentales subyacentes, los desarrollos tecnológicos, la evaluación científica y las aplicaciones clínicas. Así las principales líneas de estudio en la presente edición han girado en torno a: Física de la imagen médica, Procesamiento de imágenes, Diagnóstico asistido por ordenador, Procedimientos guiados por imágenes, intervenciones robóticas y modelado, Percepción de la imagen, rendimiento del observador y evaluación de la tecnología, Aplicaciones biomédicas en imágenes moleculares, estructurales y funcionales, Informática de imágenes para servicios de salud, investigación y aplicaciones, Tomografía y tomografía por ultrasonidos y Patología digital.
