Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

TED2021-131913B-I00

Financiado

Cerrado

TECNICAS DE DEEP LEARNING E INTERPRETACION DE INTELIGENCIA ARTIFICIAL EN EL CRIB...

TECNICAS DE DEEP LEARNING E INTERPRETACION DE INTELIGENCIA ARTIFICIAL EN EL CRIBADO DE LA DEGENERACION MACULAR ASOCIADA A LA EDAD ANTECEDENTES. LA DEGENERACION MACULAR ASOCIADA A LA EDAD (DMAE) CONSTITUYE LA PRINCIPAL CAUSA DE PERDIDA DE VISION IRREVERSIBLE EN LOS PAISES DESARROLLADOS Y ES RESPONSABLE DE APROXIMADAMENTE EL 9% DE LOS CASOS DE CEGUERA. LA TERA... ver más

01/01/2021

UVA

239K€

Presupuesto del proyecto: 239K€

Líder del proyecto

UNIVERSIDAD DE VALLADOLID No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 1005

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2021-01-01 No tenemos la información de la convocatoria

0% 100%

Características del participante

Este proyecto no cuenta con búsquedas de partenariado abiertas en este momento.

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

Participantes

UVA

Lider

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Líder del proyecto

UNIVERSIDAD DE VALLADOLID No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 1005

Presupuesto del proyecto 239K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto ANTECEDENTES. LA DEGENERACION MACULAR ASOCIADA A LA EDAD (DMAE) CONSTITUYE LA PRINCIPAL CAUSA DE PERDIDA DE VISION IRREVERSIBLE EN LOS PAISES DESARROLLADOS Y ES RESPONSABLE DE APROXIMADAMENTE EL 9% DE LOS CASOS DE CEGUERA. LA TERAPIA ANIANGIOGENICA (ANTI-VEGF) HA MEJORADO DE FORMA SIGNIFICATIVA EL PRONOSTICO DE LOS PACIENTES CON DMAE, PERO ES NECESARIO DETECTAR LA ENFERMEDAD DE FORMA TEMPRANA, LLEVANDO A CABO UN CRIBADO SISTEMATICO DE LA POBLACION MAYOR DE 50 AÑOS. SIN EMBARGO, DADA LA ELEVADA PREVALENCIA DE LA DMAE, ES IMPORTANTE CONTAR CON SISTEMAS AUTOMATICOS QUE PERMITAN DETECTAR LAS FORMAS DE RIESGO, LOS CASOS AVANZADOS QUE NECESITAN TRATAMIENTO URGENTE Y EVITAR LA SOBRECARGA CLINICA. RECIENTEMENTE, LOS METODOS DE DEEP LEARNING (DL) APLICADOS AL PROCESADO DE RETINOGRAFIAS HAN SURGIDO COMO UN NUEVO ENFOQUE CAPAZ DE MEJORAR EL RENDIMIENTO DE LAS TECNICAS TRADICIONALES DE AYUDA AL DIAGNOSTICO EN LA DMAE. SIN EMBARGO: (I) ES NECESARIO PROFUNDIZAR EN LA APLICACION DE TECNICAS DE DL PARA MEJORAR LOS RESULTADOS Y (II) TODAVIA HAY INDICADORES IMPORTANTES OCULTOS EN LAS IMAGENES DE FONDO DE OJO.OBJETIVOS. EL OBJETIVO PRINCIPAL CONSISTE EN DISEÑAR, EVALUAR E INTERPRETAR UN SISTEMA DE AYUDA A LA TOMA DE DECISIONES DE ALTO RENDIMIENTO Y CONFIABLE BASADO EN DL PARA ASISTIR A LOS MEDICOS EN LA DETECCION TEMPRANA Y PRECISA DE LA DMAE. PARA ELLO SE PROPONEN LOS SIGUIENTE OBJETIVOS ESPECIFICOS: (I) CONSTRUIR UNA BASE DE DATOS PRIVADA DE RETINOGRAFIAS PARA VALIDAR EL SISTEMA; (II) DISEÑAR Y OPTIMIZAR MODELOS DE DIAGNOSTICO DE LA DMAE BASADOS EN DL; (III) CREAR NUEVAS ARQUITECTURAS COMBINANDO DIFERENTES ENFOQUES DE DL; (IV) DETECTAR NUEVOS PATRONES EN RETINOGRAFIAS ASOCIADOS A LA DMAE EMPLEANDO EXPLAINABLE ARTIFICIAL INTELLIGENCE (XAI); Y (V) INTERPRETAR LAS DECISIONES DIAGNOSTICAS DE LOS MODELOS DE DL EN FUNCION DE LOS FACTORES DE RIESGO DETECTADOS.MATERIAL Y METODOS. SE ANALIZARAN 118875 IMAGENES: (I) 116875 DE ELLAS PROVENIENTE DE LA BASE DE DATOS PUBLICA AGE-RELATED EYE DISEASE STUDY (AREDS) Y (II) 2000 IMAGENES PROVENIENTES DE UNA BASE DE DATOS PRIVADA QUE SE CREARA DURANTE EL PROYECTO. ESTAS IMAGENES SE CLASIFICARAN EN 5 NIVELES DE SEVERIDAD SIGUIENDO PROTOCOLOS ESTANDAR. LA METODOLOGIA CONSTA DE DOS ETAPAS PRINCIPALES: (I) MODELADO BASADO EN DL PARA EL DIAGNOSTICO Y CLASIFICACION DE LA DMAE, INCLUYENDO CONVOLUTIONAL NEURAL NETWORKS (CNNS), GENERATIVE ADVERSARIAL NETWORKS (GANS), DEEP BELIEF NETWORKS (DBNS), VISION TRANSFORMERS (VIT), Y LA COMBINACION DE DIFERENTES ARQUITECTURAS DE DL; Y (II) APLICACION DE TECNICAS XAI PARA LA INTERPRETACION EXHAUSTIVA DE LOS MODELOS DE DL, BAJO EL ENFOQUE SHAPLEY ADDITIVE EXPLANATIONS (SHAP). ESTAS INCLUYEN DEEP SHAP, KERNEL SHAP Y SHAP INTEGRATED GRADIENTS.RESULTADOS ESPERADOS. EL PRINCIPAL RESULTADO CONSISTIRA EN UN NUEVO SISTEMA DL DE AYUDA A LA DECISION PARA DIAGNOSTICAR Y CLASIFICAR LA DAME A PARTIR DE RETINOGRAFIAS. EN SEGUNDO LUGAR, SE OBTENDRAN NUEVOS INDICADORES DE LAS IMAGENES QUE SE PUEDAN ASOCIAR A LA ENFERMEDAD. COMBINADOS, AMBOS RESULTADOS PODRIAN DISMINUIR LAS LISTAS DE ESPERA PARA EL DIAGNOSTICO Y TRATAMIENTO, MEJORANDO LA CALIDAD DE VIDA DE LOS PACIENTES Y DANDO LUGAR A UN ELEVADO IMPACTO SOCIAL. ESTO GENERARIA UN IMPACTO ECONOMICO SIGNIFICATIVO AL REDUCIR EL CONSUMO DE RECURSOS MEDICOS. ADEMAS, LA NOVEDAD Y RELEVANCIA DE LOS RESULTADOS PERMITIRIA GENERAR PUBLICACIONES CIENTIFICAS DE ALTO IMPACTO E INCREMENTAR LAS POSIBILIDADES DE SOLICITAR PATENTES. EGENERACION MACULAR ASOCIADA A LA EDAD \RETINOGRAFIA\EXPLAINABLE ARTIFICIAL INTELLIGENCE\DEEP LEARNING

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores