BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Departamento de Computación - ECPv6.15.18//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-ORIGINAL-URL:https://www.dc.uba.ar
X-WR-CALDESC:Eventos para Departamento de Computación
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:America/Sao_Paulo
BEGIN:STANDARD
TZOFFSETFROM:-0300
TZOFFSETTO:-0300
TZNAME:-03
DTSTART:20240101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20251110T140000
DTEND;TZID=America/Sao_Paulo:20251110T150000
DTSTAMP:20260405T094033
CREATED:20251107T120742Z
LAST-MODIFIED:20251107T120742Z
UID:10271-1762783200-1762786800@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Luciano Tarsia
DESCRIPTION:Título: Broncoscopía asistida por IA en terapia intensiva: Desarrollo de un corpus y un enfoque para la identificación de posiciones anatómicas\nDirectora: Viviana Cotik\nCo-Director: Nicolás Mastropasqua\nJurados: Lara Gauder\, Nicolás Gaggion \nResumen:\nEl crecimiento de los datos digitales en el ámbito de la salud ha impulsado el desarrollo de tecnologías basadas en inteligencia artificial para analizar y extraer información significativa\, particularmente en la imagenología médica. La broncoscopía es un procedimiento médico que permite visualizar directamente las vías respiratorias mediante un broncoscopio\, y se utiliza tanto para el diagnóstico de enfermedades pulmonares como para la toma de muestras. Este procedimiento es clave en el diagnóstico y tratamiento de diversas patologías respiratorias\, y puede beneficiarse significativamente del uso de herramientas basadas en inteligencia artificial\, especialmente en tareas de navegación y localización anatómica. Sin embargo\, la falta de un corpus de imágenes de broncoscopía anotadas y accesibles públicamente limita el desarrollo de soluciones en este campo. \nEste trabajo presenta la creación de un corpus de imágenes broncoscópicas etiquetadas por expertos\, obtenidas a partir de 126 videos capturados en pacientes internados en unidades de cuidados intensivos. Los videos fueron registrados utilizando equipamiento estándar de broncoscopía disponible en estos entornos clínicos. Además\, se encuentran acompañados de datos demográficos anonimizados\, lo que permite realizar análisis complementarios y preservar la confidencialidad de los pacientes. El proceso de anotación se realizó siguiendo criterios refinados iterativamente\, de forma tal de obtener un corpus con un alto acuerdo entre anotadores. \nCon este corpus\, se entrenaron y evaluaron dos arquitecturas de redes neuronales convolucionales (ResNet18 y ShuffleNetV2)\, enfocadas en la clasificación de imágenes según posiciones anatómicas en el árbol bronquial. Los resultados muestran las fortalezas y limitaciones de cada modelo\, estableciendo un punto de partida para aplicaciones clínicas y educativas. Este trabajo sienta las bases para futuros avances en la integración de inteligencia artificial en broncoscopía\, contribuyendo a mejorar la precisión diagnóstica\, la eficiencia de los procedimientos y la formación médica. \nPalabras clave: Broncoscopía\, Inteligencia Artificial\, Redes Neuronales Convolucionales\, Corpus Anotado\, Navegación Asistida\, Educación Médica.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-luciano-tarsia/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR