Métodos de Aprendizaje Automático para Procesamiento de Bioimágenes (MAPBIO) es un curso dirigido a investigadores y estudiantes de las áreas de ciencias de la vida interesados por conocer los fundamentos de los métodos de Aprendizaje Automático (Machine Learning) y Aprendizaje Profundo (Deep Learning) y su aplicación al procesamiento y análisis de imágenes por computadora. Están invitados también estudiantes de otras carreras universitarias que se interesen por el tema.
Se introducirán los conceptos principales del Aprendizaje Automático para el procesamiento de bioimágenes digitales con especial énfasis en su aplicación a las ciencias de la vida. Se abordarán distintos aspectos de un área muy extensa de manera de dejar claros los conceptos generales subyacentes y abrir la puerta a un estudio más detallado por parte del estudiante.
Al finalizar el curso el estudiante conocerá los fundamentos del Aprendizaje Automático para el procesamiento de bioimágenes, tendrá experiencia en el uso de software que implementa algoritmos de Aprendizaje Automático a partir de modelos pre-entrenados, y podrá encarar proyectos de aplicación simples en diálogo con personal más experimentado.
Se tendrán en cuenta aspectos generales del Aprendizaje Automático, su impacto en la Inteligencia Artificial, los aspectos éticos de su aplicación y sus consideraciones en las publicaciones científicas.
Metodología
Se realizarán cinco clases teórico/prácticas de cuatro horas de lunes a viernes por una semana. Los estudiantes aplicarán los conceptos teóricos mediante el uso de un software que implementa una biblioteca de algoritmos de procesamiento de imágenes y aprendizaje automático y profundo a fin de impulsarlos a consolidar los conceptos a través de la práctica y el desarrollo de nuevos procedimientos (macros, scripts).
Temario
- Fundamentos de las bioimágenes.
- Fundamentos del Aprendizaje Automático (AA).
- Clasificadores. SVM, Decision Trees, Ensemble Learning, Random Forest, LDA, QDA.
- Presentación de ilastik.
- Clasificación de píxeles y objetos.
- Fundamentos del Aprendizaje Profundo. Perceptrón, Perceptrón Multicapa (MLP) y redes neuronales (NN). Redes neuronales convolucionales (CNN), arquitecturas basadas en U-Net.
- Presentación de DeepImageJ.
- Segmentación.
- Seguimiento de objetos y partículas.
- Adaptación de dominio: transfer learning.
- Otras arquitecturas de redes neuronales y aplicaciones. Autoencoders. Redes generativas adversarias (GAN). Transformers. Restauración de imágenes.
- Software y aplicaciones de AA para bioimágenes: DL4MicEverywhere, StarDist, QuPath, Microscopy Image Analyzer, otros.
- Buenas prácticas en el uso de imágenes científicas.
- Aspectos éticos de la aplicación del AA, sus consideraciones en las publicaciones científicas, y la relación con la Inteligencia Artificial.
Conocimientos previos recomendados
Manejo básico de imágenes digitales.
¿Cuándo se dictó?
El curso se dictó en 2024
¿Cuándo se dicta nuevamente?
El curso no tiene una periodicidad definida; buscamos que se repita al menos cada dos años. Si estás interesado en saber cuándo se dictará o coordinar para el dictado del curso en tu institución ponete en contacto por email y no te olvides de registrarte en nuestra lista de novedades.
Este curso es posible gracias al apoyo de
