Un modelo para predecir la edad ósea en los niños

Radiografía de mano
El proyecto Hand Pose Estimation for Pediatric Bone Age Assessment fue publicado en el Medical Image Computing and Computer Assisted Intervention (MICCAI), realizado en octubre de 2019, en Shenzhen (China).
19/11/2019
  • facebook
  • twitter
  • linkedin
El proyecto Hand Pose Estimation for Pediatric Bone Age Assessment, establece un modelo que permite estimar la edad ósea en radiografías de manos de niños mediante el uso de redes neuronales y aprendizaje profundo (deep learning), que ayudaría a determinar la estatura final de los niños y a detectar de manera temprana posibles problemas de desarrollo. 

Este trabajo, financiado por Colciencias, ha sido desarrollado por el Grupo de Investigación Biomedical Computer Vision (BCV) del Departamento de Ingeniería Biomédica (IBIO) de la Universidad de los Andes, con el apoyo de la Fundación Santa Fe de Bogotá, quienes conformaron un equipo para construir una base de datos que incluye información relacionada con la edad ósea, regiones de interés en la mano y recuadros que cubren toda la mano.

Además, los investigadores crearon nuevas anotaciones para la base de datos de la Asociación Radiológica de Norteamérica (RSNA por sus siglas en ingles), recolectadas con estudiantes de pregrado de Ingeniería Biomédica, del curso de Análisis de Imágenes, con las que entrenaron este modelo predictivo.  

Los resultados del proyecto, publicado en la prestigiosa conferencia Medical Image Computing and Computer Assisted Intervention (MICCAI) 2019, serán insumo para que la comunidad científica promueva estudios relacionados en este campo.

Sobre Medical Image Computing and Computer Assisted Intervention (MICCAI) 2019

La conferencia más grande del mundo en el área de visión por computador enfocada en imágenes médicas Medical Image Computing and Computer Assisted Intervention (MICCAI), se realizó en octubre de 2019, en Shenzhen (China).

La delegación de la Universidad de los Andes estuvo conformada Pablo Arbeláez, profesor asociado y director del Grupo de Investigación Biomedical Computer Vision (BCV) y los estudiantes Laura Daza (doctorado); María Camila Escobar (maestría) y Cristina González (pregrado), del Departamento de Ingeniería Biomédica. 


Los investigadores: Cristina González, Pablo Arbeláez, Laura Daza, María Camila Escobar y Felipe Torres.

En el proyecto también participaron Felipe Torres, estudiante de maestría y el Dr. Gustavo Triana, radiólogo de la Fundación Santa Fe de Bogotá (FSFB).

*La conferencia MICCAI tiene una tasa de aceptación de artículos sólo del 31% y la tasa de aceptación de presentación oral es menor a 3%.

Ganadores del challenge internacional Robust – MIS

Por su parte, en el marco de MICCAI 2019, el profesor Pablo Arbeláez y sus estudiantes Laura Bravo y Cristina González ganaron en varias categorías del concurso Robust Medical Instrument Segmentation (ROBUST-MIS) Challenge 2019, organizado por el Centro Alemán de Investigación Oncológica y el Hospital Universitario Heidelberg.

El desafío, basado en videos de cirugías por laparoscopia, buscaba la evaluación comparativa de algoritmos de detección y segmentación de instrumentos médicos, con un énfasis específico en la robustez (métodos aplicados a imágenes complejas) y la generalización (capacidad para ser usados en diferentes intervenciones).

El equipo de la Universidad de los Andes fue el único representante de Latinoamérica, de 33 a nivel mundial. 


Los ganadores: Pablo Arbeláez, Laura Bravo y Cristina González 

Noticias relacionadas

Foto del médico José Félix Patiño
28/02/2020

Natalia Mejía, decana de la Facultad de Medicina, recuerda el legado del doctor José Félix Patiño en la Universidad.

Ver más
Foto de José Félix Patiño
27/02/2020

La Universidad de los Andes lamenta el fallecimiento del fundador de la Facultad de Medicina y rinde un homenaje a su vida.

Ver más
Gráfica de una pupila y la palabra Inventos.
26/02/2020

Un dispositivo que reduce las complicaciones que se presentan en cirugías de cataratas.

Ver más

Otras noticias

Compartir

  • Logo Facebook
  • Logo Twitter
  • Logo Linkedin