Con el fin de visibilizar el trabajo en Investigación, desde ahora podrás encontrar los 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 Domingo Mery, académico del Departamento Ciencia de la Computación UC, investigador del Instituto Milenio Fundamentos de los datos (IMFD), del Instituto Milenio en Ingeniería e Inteligencia Artificial para la Salud (IHealth) y director del laboratorio XCV X-rays and Computer Vision.
- “Artificial intelligence for computer assistance in endoscopic procedures and training”
Pablo Achurra, Arnoldo Riquelme, Chaya Shwaartz and Domingo Mery*
Disponible: https://link.springer.com/article/10.1007/s44186-024-00336-4
Esta investigación analiza cómo la inteligencia artificial (IA), especialmente mediante algoritmos de visión computacional, está transformando la endoscopía digestiva. La IA mejora la detección de lesiones, el diagnóstico y la formación médica, superando en algunos casos el rendimiento humano. También permite reducir tiempos y estandarizar evaluaciones. Sin embargo, se reconocen limitaciones como errores del sistema, problemas legales y falta de validación en diversas poblaciones. - “What’s Color Got to Do With It? Face Recognition in Grayscale”
Aman Bhatta, Haiyu Wu, Joyce Annan; Michael C. King, Kevin W. Bowyer and Domingo Mery*
Disponible: https://ieeexplore.ieee.org/abstract/document/10887263
Este estudio muestra que los modelos de reconocimiento facial basados en redes profundas (deep CNN) alcanzan la misma precisión al entrenarse con imágenes en color o en escala de grises, incluso cuando se evalúan con imágenes en color. Los modelos más simples sí dependen del color, ya que usan características de bajo nivel. Se demuestra que el color aporta poca información útil para la identificación, y que usar solo imágenes en escala de grises permite aumentar la cantidad de datos de entrenamiento sin afectar el rendimiento. Además, cambiar el espacio de color (RGB vs. HSV) no mejora el aprendizaje, y las redes profundas tienden a convertir automáticamente las imágenes a escala de grises en sus primeras capas. - “Technical and regulatory challenges in artificial intelligence-based pulse oximetry: a proposed development pipeline”
Ana M. Cabanas, Pilar Martín-Escudero, Josué Pagán and Domingo Mery*
Disponible: https://www.sciencedirect.com/science/article/pii/S0007091225001229
El estudio destaca desafíos clave para desarrollar oximetría potenciada con IA, como la necesidad de conjuntos de datos diversos, protocolos de validación rigurosos que aborden sesgos algorítmicos, rangos de medición ampliados y mejor interpretabilidad del modelo. Se resalta la importancia de métodos cuantitativos para evaluar el tono de piel y asegurar equidad. Finalmente, se propone una hoja de ruta para un desarrollo robusto y justo, alineado con regulaciones globales y fomentando la colaboración interdisciplinaria, con el fin de mejorar la fiabilidad y justicia de la oximetría de pulso a nivel mundial.
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/
