Investigador del sinc(i) fue premiado en una competencia internacional

03-10-2017 | UNIVERSITARIAS | IMáGENES MéDICAS
Investigador del sinc(i) fue premiado en una competencia internacional

Un grupo de 11 investigadores del laboratorio BioMedIA del Imperial College London (Reino Unido) obtuvo el primer premio en la competencia internacional de segmentación de tumores cerebrales BRATS 2017, que se llevó a cabo en el marco de la Conferencia Internacional de Imágenes Médicas e Intervenciones Asistidas por Computadora (MICCAI, por sus siglas en inglés), en Québec (Canadá).

Enzo Ferrante, Investigador Asistente, recientemente repatriado e incorporado al Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional (sinc(i)) de UNL-CONICET, con sede en la FICH, formó parte de ese equipo. “BRATS es la competencia más importante del mundo en la temática y participaron más de 50 grupos de investigación provenientes de diferentes países, incluyendo Argentina. El objetivo fue resolver un problema con una aplicación muy concreta: segmentar tumores cerebrales en imágenes de resonancia magnética”, contó Ferrante.

El investigador tiene 29 años. Estudió Ingeniería de Sistemas en la Universidad Nacional del Centro de la Provincia de Buenos Aires y se doctoró en Informática y Matemática en la Université Paris-Saclay (École Centrale Supelec), en colaboración con el Institut National de Recherche en Informatique et en Automatique (INRIA), en Francia. Luego realizó su posdoctorado en el Imperial College London, Reino Unido, y recientemente obtuvo un subsidio de la AXA Research Fund, lo cual le permitió regresar a Argentina como Investigador Asistente repatriado bajo la dirección de Diego Milone, director del sinc(i), y la codirección de Rubén Spies, vicedirector del IMAL, de UNL-CONICET. “Sin el apoyo de la UNL, la presentación a este subsidio no hubiese sido posible. Mi área de investigación abarca la visión computacional y el aprendizaje de máquina aplicados al análisis de imágenes médicas. Busqué grupos de investigación que trabajaran en esta temática en Argentina y elegí al sinc(i), uno de los mejores del país”, explicó Ferrante.

El modelo

En la práctica médica se utilizan imágenes de resonancia magnética para detectar un tumor. Lo que hicieron los investigadores en la competencia fue desarrollar un modelo computacional para la segmentación de tumores, basado en el ensamblado de diversos modelos y arquitecturas de redes neuronales convolucionales. A partir de dicha segmentación, es posible identificar tamaño, superficie, volumen y otras características de ese tumor. “Básicamente, nos proveyeron un conjunto importante de imágenes con las anotaciones que hacen de ellas los médicos en forma manual. A partir de esta información desarrollamos métodos computacionales basados en aprendizaje de máquina para el procesamiento de dichas imágenes y anotaciones, de forma que la máquina ‘aprenda’ a anotar e interpretar las imágenes del mismo modo en que lo haría el médico. Comenzamos a trabajar varios meses antes de la competencia y fue un verdadero trabajo en equipo. Cada integrante desarrolló un modelo específico y luego los ensamblamos en un software único, que resultó ser el método más preciso que se ha publicado hasta hoy para la segmentación de tumores cerebrales”, explicó Ferrante.

Aprendizaje profundo

Para desarrollar el software, los investigadores utilizaron unos métodos computacionales de aprendizaje automático que se enmarcan en ‘deep learning’ o aprendizaje profundo, el cual hace cinco años aproximadamente comenzó a revolucionar el campo de procesamiento de imágenes y de la visión computacional, debido –entre otros factores– a la producción masiva de datos (big data), los últimos avances en inteligencia artificial y el desarrollo de hardware para el procesamiento masivo de datos en paralelo. “Son métodos basados en múltiples capas de redes neuronales artificiales que son ‘entrenadas’ para aprender a ejecutar funciones y tareas específicas. En el caso de las imágenes, se utilizan las redes neuronales convolucionales, esto es, un tipo particular de red neuronal artificial especialmente útil para imitar el funcionamiento del sistema visual del ser humano. La imagen fluye a través de diversas capas de redes neuronales donde es ‘interpretada’ en distintos niveles de abstracción”, comentó Ferrante.

Actualmente, los investigadores están trabajando en una publicación conjunta con el resto de los equipos que participaron de la competencia y luego de esto se prevé liberar los modelos para que puedan ser utilizados tanto en el ámbito académico como clínico.

Fuente: SM – UNL