Publications

Permanent URI for this collectionhttps://repositorio.grial.eu/handle/123456789/34

Browse

Author: search.filters.author.García-Peñalvo, Francisco JoséSubject: search.filters.subject.Inteligencia Artificial

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Mito de la inteligencia. Más allá de una educación de silicio
    (Editorial UOC, 2024-12-15) García-Peñalvo, Francisco José
    Este capítulo busca no solo explorar, sino también ofrecer un análisis crítico sobre la IA en educación, avanzando en desmitificar los avances tecnológicos. Se enfoca en cómo la rápida disrupción tecnológica desafía a la sociedad, destacando la necesidad de preparación y comprensión para adaptarse a cambios en el trabajo, educación y vida personal. Además, aborda el problema de la sobreinformación y cómo evaluarla críticamente, enfatizando la importancia de discernir entre datos sesgados y sobredimensionados en este contexto acelerado.
  • Thumbnail Image
    Item
    Desarrollo de un Sistema Interactivo de Interconexión y Análisis de Imágenes DICOM con Retroalimentación Médica
    (Departamento de Informática y Automática. Universidad de Salamanca, 2025-03-19) Santos Blázquez, Pablo; García-Peñalvo, Francisco José; Vázquez-Ingelmo, Andrea
    La segmentación precisa de estructuras cardíacas en imágenes médicas es crucial para un diagnóstico y tratamiento efectivos. Este pro-yecto presenta el desarrollo de "dAIcom", una plataforma web interactiva para la visualización, anotación y análisis de imágenes DICOM (Digital Imaging and Communication in Medicine), mejorando la colaboración multidisciplinaria y la retroalimentación médica. Para ello, se ha integra-do un modelo de inteligencia artificial basado en la arquitectura UNET, entrenado específicamente para segmentar estructuras cardíacas como el ventrículo izquierdo, la aurícula izquierda y el miocardio en imágenes obtenidas mediante el uso de ultrasonidos (ecocardiografías). Con el fin de evaluar el rendimiento y la adaptabilidad del modelo, se han reali-zado tres experimentos de reentrenamiento. Los resultados revelan que un mayor número de imágenes y anotaciones mejora significativamente la capacidad de generalización del modelo, reduciendo el sobreajuste. Además, se desarrolla un sistema PACS (Picture Archiving and Commu-nication System) para gestionar y almacenar eficientemente las imágenes DICOM, asegurando la interoperabilidad y el almacenamiento seguro de los datos médicos. A lo largo del trabajo se han identificado diversos desafíos, incluyendo dificultades para obtener imágenes médicas debido a restricciones de confidencialidad y limitaciones computacionales. El trabajo futuro se centra en ampliar el conjunto de datos, optimizar los hiperparámetros y mejorar el proceso de anotación para incrementar la robustez y relevancia clínica del sistema. Estos esfuerzos buscan asegurar que la plataforma "dAIcom"no solo sea tecnológicamente avanzada, sino también clínicamente útil para mejorar la atención médica.