Con el fin de visibilizar el trabajo en Investigación, ahora en nuestro sitio web, encontrarás papers publicados durante el primer semestre del 2025-1 de cada profesor ó profesora que a su vez son investigadores e investigadoras.
En esta oportunidad se publican investigaciones de Denis Parra, académico del Departamento Ciencia de la Computación UC e investigador del Centro Nacional de Inteligencia Artificial (CENIA), del Instituto Milenio Fundamentos de los datos (IMFD) y del Instituto Milenio en Ingeniería e Inteligencia Artificial para la Salud (IHealth).
- “Perceptual Evaluation of GANs and Diffusion Models for Generating X-rays“
Gregory Schuit, Cecilia Besa and Denis Parra*
La investigación analiza cómo GANs y Diffusion Models generan radiografías de tórax sintéticas para enfrentar la escasez de datos médicos. A través de un estudio con radiólogos, se encontró que los Diffusion Models producen imágenes más realistas, mientras que las GANs destacan en casos clínicos puntuales, evidenciando fortalezas complementarias y la necesidad de seguir perfeccionando estas técnicas para su uso en diagnóstico asistido por IA. - “Personalized MRI-based characterization of subcortical anomalies in Ataxia-Telangiectasia using deep-learning”
Catalina Saini, Cristian Salazar-Vilches, Caroline C.V. Blanchard, William P. Whitehouse, Rob A. Dineen, Stefan Pszczolkowski and Denis Parra*
El trabajo aplica deep learning en imágenes de MRI para identificar alteraciones subcorticales en la ataxia-telangiectasia. Los resultados revelan anomalías ligadas a los síntomas motores y apuntan a nuevas oportunidades de diagnóstico y tratamiento personalizado. - “CXR-LT 2024: A MICCAI challenge on long-tailed, multi-label, and zero-shot disease classification from chest X-ray”
Mingquan Lin, Gregory Holste, Song Wang, Yiliang Zhou, Yishu Wei, Imon Banerjee, Pengyi Chen, Tianjie Dai, Yuexi Du, Nicha C. Dvornek, Yuyan Ge, Zuowei Guo, Shouhei Hanaoka, Dongkyun Kim, Pablo Messina, Yang Lu, Donghyun Son, Álvaro Soto, Aisha Urooj, René Vidal, Yosuke Yamagishi, Zefan Yang, Ruichi Zhang, Yang Zhou, Leo Anthony Celi, Ronald M. Summers, Zhiyong Lu, Hao Chen, Adam Flanders, George Shih, Zhangyang Wang, Yifan Peng and Denis Parra*
El desafío CXR-LT 2024 busca mejorar la clasificación de enfermedades pulmonares en radiografías de tórax, abordando problemas de desbalance de clases, anotaciones ruidosas y detección de enfermedades raras. Se amplió el dataset a más de 377 mil imágenes con 45 etiquetas, incorporando además un enfoque de zero-shot learning para enfermedades no vistas. El evento ofrece un banco de pruebas realista y promueve el desarrollo de modelos más robustos y generalizables para la práctica clínica.
Te invitamos a revisar los Laboratorios de Investigación dentro del DCC UC:https://dcc.ing.uc.cl/investigacion/laboratorios/
Te invitamos a revisar los Centros de Investigación Asociados al DCC UC: https://dcc.ing.uc.cl/investigacion/centros-de-investigacion-asociados/
