SEIDOR – HORUS: Nuevas técnicas avanzadas de procesado de la imagen de tomografía por coherencia óptica de retina para el aprendizaje automático
SEIDOR
Sector: Salud
Business Case
Siendo las patologías oftalmológicas un problema de salud mundial, la creación de modelos de Inteligencia Artificial (IA) puede suponer un enorme avance en dicho campo. El proyecto HORUS se centra en la estandarización de dominios de imágenes OCT de diferentes orígenes mediante modelos generativos de IA. Esto es una labor importante, ya que estandarizar los dominios puede ayudar a crear futuros modelos más robustos y precisos. Además, se trabaja en la eliminación de ruido de las imágenes OCT para obtener una imagen más limpia con la que trabajar.
Objetivos
Desarrollar modelos de IA que permitan: Estandarizar las imágenes OCT de modo que todas tengan un dominio similar Reducir el ruido de las imágenes OCT Desarrollo de una interfaz que integre los distintos módulos y modelos
Use case
Para la estandarización de dominios, al disponer de imágenes de 3 marcas distintas, se generó un modelo para convertir las imágenes de una marca a otra, es decir, un total de 6 modelos. Estos modelos se crearon aplicando una CycleGAN que permite convertir el estilo de una imagen en el estilo de otra utilizando un dataset no pareado. Para el caso de la reducción de ruido Speckle, se realizaron dos aproximaciones, por un lado, una CycleGAN, y por otro un Pix2Pix, gracias a un set de imágenes pareadas.
Infraestructura
Entrenamiento e inferencia On premise en el CPD de SEIDOR, con 3 máquinas de alto rendimiento con GPU
Tecnologías utilizadas
Tecnologías de IA que generan lenguaje escrito o hablado, imágenes o vídeos (IA Generativa) Reconocimiento/procesamiento de imágenes Minería de textos
Datos utilizados
Datasets privados y anonimizados proporcionados por BioAraba de imágenes OCT
