Skip links

Modelos predictivos a partir de imagen y vídeo #computerVisiona partir de señal y series temporales #timeSeriesForecastinga partir de texto #naturalLanguageProcessingbasados en la interacción entorno-agente #reinforcementLearning

DYPSI

Dipsy

Transformación digital del sector de la psicología: sistema de ayuda a la terapia con tecnologías de inteligencia artificial

DIPSY propone un sistema multiplataforma basado en inteligencia artificial (IA) para apoyar la terapia psicológica y permitir el seguimiento
continuo de los pacientes. El sistema desarrollado permite el análisis predictivo del estado emocional del paciente mediante la
digitalización de registros y diarios e incorporando señales fisiológicas (con el diseño de un «wearable» de bajo coste) y análisis del habla.

El aumento del número de personas que padecen enfermedades mentales, el escaso número de psicólogos en la sanidad pública española y el bajo índice de digitalización han provocado una saturación del sector de la psicología. La integración de modelos de IA para analizar las diferentes modalidades de datos (voz, señales fisiológicas y texto) permitirá una mayor optimización y  personalización de la terapia a través de un servicio automatizado de seguimiento, análisis y evaluación de los estados emocionales en tiempo real. Sin embargo, la marea de datos que recopilan los dispositivos portátiles, las estrictas restricciones de latencia para algunas aplicaciones críticas y la introducción de tecnologías de aprendizaje profundo (DL) también exigen mayores capacidades analíticas tanto en los sistemas informáticos integrados como a gran escala, siendo necesarias arquitecturas heterogéneas eficientes. Aprovechar adecuadamente los recursos computacionales heterogéneos se convierte en una tarea desafiante que también abordará DIPSY. Los algoritmos desarrollados, así como las implementaciones propuestas en los procesadores, se recalibrarán y refinarán a medida que los psicólogos y los pacientes interactúen con el sistema. Hasta donde sabemos, esta es la primera solución integrada que aborda la digitalización del sector psicológico con la inclusión de técnicas basadas en inteligencia artificial para fomentar una mejor terapia psicológica.
Cabe destacar que impulsar la transformación digital del sistema público de salud es una de las líneas prioritarias del Plan de Recuperación, Transformación y Resiliencia (componente 18). Este componente incluye una estrategia fundamental para la prevención y promoción de la salud mental donde el diagnóstico temprano de problemas psicológicos es uno de los pilares del plan. Además, este proyecto también está claramente alineado con el Componente 16 (Estrategia Nacional de Inteligencia Artificial).

Cliente

Comisión europea

Años

2022 a 2026

Share

Socios

METAMORPHA

Meramorpha

Micromecanizado a medida con rayos láser adaptados en amplitud y fase

METAMORPHA propone crear una plataforma única y ágil de micromecanizado láser de pulso ultracorto que sustituye a muchas cadenas de procesos de fabricación convencionales. Tiene el potencial de eliminar miles de procesos de producción procesos de producción perjudiciales para el medio ambiente. METAMORPHA es totalmente eléctrica y digital, no produce residuos químicos y permite nuevos procesos de procesos novedosos para la reelaboración y reparación de productos.

Los procesos de producción de microelementos se basan actualmente en una producción en cadena con diferentes etapas de fabricación. Estas etapas suelen producir los patrones requeridos en la pieza mediante procesos físicos y químicos, que se complementan entre sí. Sin embargo, esta tecnología produce una gran cantidad de residuos químicos. Para hacer frente a esta limitación, el uso de la tecnología láser ha sido una de las soluciones que ha liderado la industria europea en los últimos años. Sin embargo, es necesario mejorarla en términos de agilidad, digitalización y sostenibilidad medioambiental de la misma.

METAMORPHA aborda este desafío proponiendo una tecnología que permita un abordaje verde y digital de estos desafíos. Para ello, buscar sustituir de las cadenas de producción los procesos mecánicos y químicos por un único proceso verde totalmente digital basado en micromecanizado láser de pulso ultracorto. En concreto, la tecnología desarrollada avanza hacia procesos «correctos a la primera» con un 30% menos de consumo de recursos en comparación con la tecnología más puntera.

Para lograrlo, METAMORPHA será una tecnología basada en una combinación de dos moduladores espaciales de luz (SLM) en cascada con un escáner galvo integrado, que permiten la más sofisticada conformación y dirección digital del haz jamás desarrollada. Asimismo, constará con un control basado en fase que permite la dirección digital del haz para un ágil procesamiento procesamiento multidireccional. En este proyecto, CVBLAB desarrollará novedosos algoritmos de machine learning que automaticen la calibración de los parámetros de actuación del láser en base al material utilizado, patrón deseado, y defectos encontrados. Esta metodología estará basada en sistemas de aprendizaje continuo, capaces de adaptar los algoritmos a nuevos datos recogidos durante el uso del sistema. Finalmente, METAMORPHA será testeado en tres distintos casos de uso para la producción en cadena de productos en empresas punteras.

Cliente

Comisión europea

Años

2022 a 2026

Share

Socios

CUCO

CUCO

La computación cuántica y su aplicación a industrias estratégicas

Elaborar un sistema de ayuda al diagnóstico basado en análisis de imagen histológica, información epigenética y datos clínicos para la detección del cáncer de piel. En particular, el objetivo es desarrollar algoritmos de machine learning para diferenciar entre melanoma y nevus, y evaluar el pronóstico de los casos de potencial maligno incierto.

Las tecnologías cuánticas están llamadas a jugar un papel disruptivo en los próximos años debido al impacto que tendrán en muchas áreas, y de forma muy notable en la capacidad de cálculo masivo y en las comunicaciones con encriptación segura, campos en los que según todas las previsiones marcarán una nueva época.

Parte del momento actual que vivimos en las áreas de las aplicaciones cuánticas en la industria se debe al “Quantum Manifesto”. El documento fue presentado en 2016 en la Quantum Europe Conference y el interés fue tal, que la Comisión Europea respondió con un proyecto de 10 años de duración (Flagship) y con una inversión de más de 1.000 millones de euros. El programa comenzó en 2018 y fomenta la colaboración entre los países de la Unión Europea. El principal objetivo del Flagship es la formación y apoyo a la industria europea en tecnologías cuánticas. Que se sepa definir y desarrollar tecnología para emplear la física cuántica, identificar cómo esta revolución cambiará el mundo, o en qué casos de uso se puede aplicar y en cuáles no, son algunas de las preguntas que el Flagship y la industria europea deberían poder responder gracias a este plan.

El proyecto CUCO (La computación cuántica y su aplicación a industrias estratégicas) surge como el primer gran proyecto de Computación Cuántica a nivel nacional y a nivel empresarial. CUCO está liderado por GMV, y en él participan start-ups reconocidas en el ámbito cuántico (Multiverse Computing, Qilimanjaro), así como dos de las grandes empresas españolas con departamentos de nueva creación formados para el estudio y aplicación de la computación cuántica: REPSOL y BBVA. Así mismo participan centros de investigación de primer nivel como son ICFO, CSIC, BSC, Tecnalia, UPV, y DIPC. El consorcio lo completan AMATECH y DAS como empresas referentes en el ámbito logístico y defensa/seguridad. Mediante el conocimiento adquirido en este proyecto, se estudiará si la computación cuántica mejora las prestaciones de la computación clásica en una serie de pruebas de concepto en distintos sectores estratégicos de la economía española como son: Energía, Financiero, Espacio, Defensa y Logística.

Agencia

Ministerio de ciencia, CDTI

Años

2022-2024

Share

Socios

TURB0

Turbo

Hacia la producción de las palas de turbina con cero defectos

TURBO tiene como objetivo combinar los avances de diferentes disciplinas para mejorar la sostenibilidad de la producción de palas de turbinas eólicas (WTB) al reducir la formación de defectos y mejorar las estrategias de reparación de compuestos y recubrimientos.

Los aerogeneradores ya forman parte de la vida cotidiana europea y son una parte esencial de la estrategia para cumplir los objetivos del Green Deal. Solo en 2019, se instalaron casi 3500 turbinas (>10000 palas). El tamaño de las palas de los aerogeneradores (WTB) está aumentando rápidamente, con nuevas palas en alta mar de más de 100 m de longitud. Sin embargo, sorprendentemente, las tecnologías utilizadas para fabricar estas palas no han cambiado significativamente desde finales de la década de 1970. Las palas de los aerogeneradores se fabrican mediante procesos de infusión y revestimiento de resina. Estos procesos son propensos a la formación de defectos y dan lugar a elevadas tasas de reutilización, desecho y reparación.

Para satisfacer la demanda mundial de energía verde sostenible, la industria eólica debe transformarse con el objetivo de ser más eficientes en cuanto a recursos. Para hacer posible la fabricación sin defectos ni residuos, la industria necesita ideas innovadoras, disruptivas y ambiciosas que generen nuevos métodos de fabricación. Los recientes avances y desarrollos de la Industria 4.0 presentan una gran oportunidad de transformación en la industria eólica. El objetivo de TURBO es permitir que las decisiones que se toman durante el proceso de fabricación reduzcan la formación de defectos y mejoren la evaluación de los mismos. De esta forma, la tasa de desechos disminuirá y los procesos de fabricación se optimizarán para reducir los residuos de producción. Por tanto, en líneas generales, TURBO se centrará en el desarrollo de algoritmos basados en el aprendizaje automático para el control de procesos durante la producción de palas de turbina.

Agencia

Agency

Años

1/10/2022 – 31/03/2026

Share

Socios

SEQUOIA

SEQUOIA

Detección mediante OCT cuántico con IA

En SEQUOIA se desarrollará el sistema OCT de mayor resolución jamás construido, protegido del ruido mediante control OAM basado en inteligencia artificial (IA) y validado en una aplicación del mundo real: imágenes de retina.

La tomografía por coherencia óptica (OCT) es una tecnología de imagen clave, especialmente para la oftalmología, que permite obtener imágenes en 3D de alta resolución sin contacto y ha ayudado a salvar la vista de millones de personas en todo el mundo. OCT se desarrolló rápidamente desde su invención en 1991, pero se ha estancado desde que alcanzó el límite práctico de resolución axial (dz) de ~1 µm (>5 µm para la mayoría de los sistemas comerciales). Quantum OCT (QOCT) ofrece una mejora de cambio de paso ×2 en dz junto con una dispersión muy reducida. Además, al controlar el momento angular orbital (OAM), es posible proteger el sistema del ruido ambiental y brindar una mejor definición de bordes, distinción de perfiles de superficie y discriminación de objetos quirales. En SEQUOIA se desarrollará el sistema OCT de mayor resolución jamás construido, protegido del ruido mediante control OAM basado en inteligencia artificial (IA) y será validado en una aplicación del mundo real: imágenes de la retina.

  • Los algoritmos basados en Inteligencia Artificial a desarrollar por CVBLab se utilizarán en TUD para programar moduladores de luz espacial (SLM) con el objetivo de llevar a cabo una codificación OAM de alta dimensión y alta pureza en los haces QOCT aumentando así la resistencia al ruido y mejorando la calidad de la imagen.
  • El sistema final se validará en imágenes de retina, una aplicación vital del mundo real (que utiliza estándares de prueba estables de WWU). Los algoritmos de IA desarrollados (CVBLab) se emplearán para analizar automáticamente las imágenes y comparar el rendimiento con la OCT clásica.

Agencia

Comisión Europea

Años

1/10/2022 – 31/03/2026

Share

Socios

NINFA

NINFA

Métodos basados en Deep Learning para la segmentación semántica:  Arecaeae, Pinus, Platanus & Celtis australis

El objetivo de este proyecto es utilizar técnicas de Deep Learning para identificar y predecir Servicios Ecosistémicos de Infraestructuras Verdes a partir de imágenes de satélite de alta resolución, centrándose específicamente en la cuenca mediterránea y en una selección estratégica de taxones vegetales: la familia Arecaceae, los géneros Pinus y Platanus, y la especie Celtis australis.

El núcleo del proyecto implica la identificación y clasificación de estos taxones vegetales mediante algoritmos avanzados de segmentación de imagen. Las técnicas de Deep Learning serán fundamentales para crear modelos matemáticos destinados a la evaluación y predicción de cuatro Servicios Ecosistémicos. Estos servicios, alineados con la clasificación CICES (Common International Classification of Ecosystem Services), incluyen la regulación atmosférica, la regulación térmica y de humedad, el control de datos de erosión y la mejora de la interacción física y vivencial con el entorno natural.

entidad financiadora

Green Urban Data, S.L. S.L. IVACE: Valencian Institute for Business Competitiveness

Año

2022

Share

GIGAVISIÓN

GIGAVISIÓN

Sistema Para el Marcado de Regiones Tumorales en Imágenes Histológicas Gigapíxel

El objetivo principal es la valorización de los resultados de la investigación de nuevos algoritmos de inteligencia artificial para el análisis automático de imágenes histológicas (WSI) aplicados al diagnóstico de distintos tipos de cánceres, entre ellos (aunque no limitados): el cáncer de próstata, el cáncer de mama triple negativo (TNBC, de sus siglas en inglés) y el cáncer de piel.

Los últimos avances tecnológicos han supuesto un cambio drástico en las posibilidades de atención sanitaria, mejorando así las condiciones de asistencia médica. Pero los servicios de patología actuales siguen dependiendo en gran medida de la presencia de patólogos cualificados que realicen el reconocimiento de los hallazgos característicos en una sección de tejido a través de un microscopio.

La patología digital, y la innovación en este ámbito, resuelve múltiples problemas relacionados, tanto con el desarrollo de los trabajos, la calidad del servicio, así como, con el paciente (diagnóstico y seguridad).

Por lo tanto, el principal objetivo del presente proyecto es crear una plataforma web de visualización, anotación, y evaluación automática de casos histológicos que sirva de apoyo en la identificación de distintos tipos de cáncer. Esta herramienta permitirá que patólogos de todo el mundo puedan obtener una ayuda al diagnóstico en línea basada en técnicas de inteligencia artificial.

Como novedad principal, dicho sistema albergará modelos predictivos generados a partir de las técnicas más novedosas en el campo del aprendizaje profundo o deep learning.  A partir de nuevas muestras histológicas digitalizadas en cualquier hospital del mundo, los modelos predictivos albergados en la nube serán reentrenados a partir de dichos casos empleando novedosas técnicas de active learning.

Entidad Financiadora

FEDER Fondo Europeo de Desarrollo Regional

Años

2021 – 2023

Share

Socios

Gigavisión

Gigavisión

Sistema Para el Marcado de Regiones Tumorales en Imágenes Histológicas Gigapíxel

El objetivo principal es la valorización de los resultados de la investigación de nuevos algoritmos de inteligencia artificial para el análisis automático de imágenes histológicas (WSI) aplicados al diagnóstico de distintos tipos de cánceres, entre ellos (aunque no limitados): el cáncer de próstata, el cáncer de mama triple negativo (TNBC, de sus siglas en inglés) y el cáncer de piel.

Los últimos avances tecnológicos han supuesto un cambio drástico en las posibilidades de atención sanitaria, mejorando así las condiciones de asistencia médica. Pero los servicios de patología actuales siguen dependiendo en gran medida de la presencia de patólogos cualificados que realicen el reconocimiento de los hallazgos característicos en una sección de tejido a través de un microscopio.

La patología digital, y la innovación en este ámbito, resuelve múltiples problemas relacionados, tanto con el desarrollo de los trabajos, la calidad del servicio, así como, con el paciente (diagnóstico y seguridad).

Por lo tanto, el principal objetivo del presente proyecto es crear una plataforma web de visualización, anotación, y evaluación automática de casos histológicos que sirva de apoyo en la identificación de distintos tipos de cáncer. Esta herramienta permitirá que patólogos de todo el mundo puedan obtener una ayuda al diagnóstico en línea basada en técnicas de inteligencia artificial.

Como novedad principal, dicho sistema albergará modelos predictivos generados a partir de las técnicas más novedosas en el campo del aprendizaje profundo o deep learning.  A partir de nuevas muestras histológicas digitalizadas en cualquier hospital del mundo, los modelos predictivos albergados en la nube serán reentrenados a partir de dichos casos empleando novedosas técnicas de active learning.

Agencia

Ministerio de ciencia , CDTI

Años

1/10/2022 – 31/03/2026

Share

Socios

ZDZW

ZDZW

Servicios de inspección no destructiva para manufactura cero mejorada digitalmente

ZDZW propone combinar técnicas de inspección no destructiva y analítica de datos para mejorar el proceso de producción industrial. De hecho, como lo indica su nombre, ZDZW se compromete a fomentar las soluciones cero defectos (zero defects, ZD) y cero residuos (zero waste, ZW).

Actualmente, la mayoría de los métodos de control de calidad utilizados para medir la calidad de los procesos de producción aún está basada en técnicas destructivas, lo que genera cantidades considerables de residuos y reduce la productividad. Este tipo de inspección conlleva etapas de retrabajo que requieren mucho tiempo y reparaciones de defectos costosas, llevando al rechazo de lotes enteros en algunos casos. Para hacer frente a estas limitaciones y reducir la cantidad de residuos generados durante el proceso de producción y control de calidad, se han propuesto técnicas de inspección no destructiva (non-destructive inspection, NDI). Sin embargo, el estado actual de dichas tecnologías todavía implica varias limitaciones como su alto coste de adquisición y la complejidad de su integración técnica y digital.

Para resolver estos problemas y conseguir un proceso de producción sostenible y sin defectos, ZDZW propone desarrollar tecnologías de inspección avanzadas que sean compatibles con los procesos de fabricación habilitados digitalmente. En concreto, ZDZW utilizará técnicas avanzadas de inteligencia artificial para mejorar el proceso de producción, centrándose principalmente en la optimización del control y monitorización de calidad de los productos.

En líneas generales, ZDZW proporcionará servicios de inspección no destructiva habilitados digitalmente, centrados en tres tipos de inspecciones: la integridad del producto, las propiedades visuales y la monitorización de procesos térmicos. Estos servicios se aplicarán directamente a cinco sectores industriales diferentes.

Agencia

Comisión Europea , Horizon Europe

Años

1/09/2022 – 31/08/2025

Share

Socios

HARVIS

HARVIS

Human Aircraft Roadmap for Virtual Intelligent System

  • Llevar a cabo un estado del arte de algoritmos de computación cognitiva.
  • Identificar escenarios realistas en los que un asistente digital pueda traer beneficios en las operaciones de vuelo.
  • Determinar las deficiencias o riesgos relacionados que podrían evitar que esta tecnología se aplique con éxito en la vida real.
  • Demostrar el concepto de asistencia digital en escenarios realistas y definir guias para su adopción.

Los movimientos aéreos están aumentando de una forma significativa en Europa. La automatización de la navegación aérea hace que el manejo de tráfico aéreo se convierta en una tarea cada vez más compleja.

El impacto en el piloto es inevitable ya que cada vez tienen más información que manejar y nuevas tareas que realizar. Por todo ello, se espera un aumento en la automatización, con miras de ayudar a los pilotos y así evitar los picos de trabajo.

La sinergia hombre-máquina tiene el objetivo de ayudar a la máquina a comprender mejor a los humanos y facilitar a los humanos la colaboración y uso de la tecnología que las máquinas nos ofrecen. En la cabina de un avión, esta asociación debe llevar a los pilotos a utilizar un conjunto de nuevas tecnologías, con la capacidad de autoaprendizaje, para anticipar las necesidades y adaptarse a los estados mentales de los pilotos. La versatilidad y la resolución de problemas de los humanos se tiene que combinar con la precisión y la repetibilidad de las soluciones TIC.

En este contexto, el objetivo general del Proyecto HARVIS es identificar cómo los algoritmos de computación cognitiva, implementados en un asistente digital, podrían apoyar la toma de decisiones de pilotos en situaciones complejas. Se demostrará como una futura Inteligencia Artificial afectaría a la cabina de un avión y se entregará una hoja de ruta que proporciona orientación para su adopción en 2035+.

Para más información visite la página web offical de Harvis.

Entidad financiadora

European Commission through Horizon 2020 (831884)

Años

2019 - 2021

Share

Socios

GALAHAD

GALAHAD

Glaucoma – Advanced, Label-Free High Resolution Automated OCT Diagnostics

GALAHAD tiene como objetivo mejorar la resolución axial de la tomografía de coherencia óptica (OCT) y explorar las aplicaciones de OCTs sensibles a la polarización con el fin de desarrollar un sistema de detección temprana del glaucoma.

El proyecto GALAHAD se centra en mejorar los sistemas de diagnóstico actuales del glaucoma. El glaucoma es una importante causa de ceguera relacionada con la edad. Esta enfermedad ocular se caracteriza por un daño irreversible en la cabeza del nervio óptico causado por el aumento de la presión intraocular. El cribado actual y el diagnóstico básico de la enfermedad implican la medición de la presión intraocular, pruebas de campo visual y la detección de daño estructural a la cabeza del nervio óptico y de la capa de fibras nerviosas retinianas. Los presentes métodos tienen altas tasas de falsos positivos o falsos negativos ya que el análisis en profundidad del daño de la cabeza del nervio óptico no es posible debido a la mala resolución de las tecnologías ópticas disponibles. Un candidato principal es la tomografía de coherencia óptica (OCT), pero la resolución axial requerida es de ~ 1 μm, mucho más allá de la resolución de 3-5 μm de los sistemas comerciales.

GALAHAD tiene como objetivo el desarrollo de un sistema de diagnóstico de OCT de alta resolución compacto y fácil de usar. El sistema multibanda y multimodal utiliza OCT submicrométrica de ultra alta resolución sensible a la polarización (UHR PS OCT). Sus principales elementos innovadores son: (i) Una revolucionaria fuente de luz supercontinua multibanda de bajo coste. (ii) Componentes fotónicos innovadores y de gran ancho de banda requeridos para explotar dicha fuente. (iii) Algoritmos automatizados para el cribado del glaucoma: utilizando la evaluación del usuario final de modelos celulares/animales y muestras de tejido, se desarrollan, entrenan y prueban algoritmos automatizados para que operadores no expertos puedan realizar el cribado de la enfermedad. El diagnóstico profundo del glaucoma con GALAHAD después de una detección positiva con métodos convencionales puede reducir drásticamente los falsos positivos y falsos negativos y disminuir el número de pacientes que sufren de discapacidad relacionada con el glaucoma. El proyecto está impulsado por las principales compañías y fabricantes de sistemas OCT y validado por oftalmólogos clínicos y experimentales de alto rango en sus entornos clínicos.

http://www.galahad-project.eu/

 

Entidad financiadora

Comisión Europea mediante el programa Horizon 2020 (732613)

Años

2017 a 2019

Share

Socios

AI4SKIN

AI4SKIN

Inteligencia artificial para el diagnóstico histopatológico de neoplasias cutáneas de células fusiformes

Desarrollar un sistema de ayuda al diagnóstico basado en inteligencia artificial para la detección de melanoma de células fusiformes y cáncer de piel no melanoma.

El cáncer de piel representa el grupo más común de neoplasias malignas en la población blanca. La tasa de incidencia del cáncer de piel, melanoma y no melanoma, está aumentando en todo el mundo. De hecho, en la actualidad, uno de cada tres cánceres diagnosticados es cáncer de piel. Entre los cánceres de piel más frecuentes destacan las lesiones cutáneas compuestas predominantemente de células fusiformes, un grupo heterogéneo de tumores cutáneos que van desde benignos hasta malignos.  Su diagnóstico se le lleva a cabo mediante el análisis de muestras biopsiadas por parte de los patólogos. Sin embargo, las neoplasias cutáneas de células fusiformes son difíciles de diagnosticar debido a la considerable superposición morfológica entre los diferentes tipos de tumores que componen este grupo, lo que plantea especialmente un problema para los patólogos menos experimentados. Este hecho dificulta un diagnóstico certero y la aplicación de un tratamiento clínico eficaz en neoplasias en las que la detección precoz y el tratamiento adecuado son fundamentales para un buen pronóstico en los casos malignos. Por esta razón, AI4SKIN nace como un proyecto cuyo principal objetivo es diseñar y desarrollar un sistema de ayuda al diagnóstico que permita clasificar de forma automática las muestras biopsiadas procedentes de las 7 neoplasias de células fusiformes más comunes: leiomioma, dermatofibroma, fibroxantoma atípico (AFX), leiomiosarcoma, dermatofibrosarcoma protuberante (DFSP), carcinoma de células escamosas y melanoma de células fusiformes. De esta forma, sería posible ayudar a los patólogos a mejorar en términos de tiempo y eficacia, así como a reducir el nivel de discordancia que existe entre ellos cuando intentan clasificar una determinada muestra.

El grupo CVBLab cuenta con ingenieros biomédicos y de telecomunicaciones que trabajan en la implementación de técnicas computacionales basadas en Machine Learning y Deep Learning aplicadas a imágenes biomédicas, con la finalidad de encontrar características y patrones que permitan determinar de forma automática no solo si el paciente tiene una neoplasia maligna, sino también de que tipo.

Agencia

Ministerio de Economía, Industria y Competitividad (PID2019-105142RB-C21)

Años

2019 a 2023

Share

Socios

DISRUPT

DISRUPT

Microscopía tomográfica en chip: Un cambio de paradigma para revolucionar la tecnología de bioimagen LAB-ON-A-CHIP

DISRUPT tiene como objetivo revolucionar la imagen biomédica mediante el desarrollo de una tecnología pionera: la microscopía tomográfica integrada. Esta innovadora técnica combina tomografía y fotónica inalámbrica en chip, junto con microfluídica e inteligencia artificial (IA).

El proyecto busca aprovechar la compatibilidad CMOS para crear microscopios tomográficos más asequibles y compactos. Se pretende demostrar su potencial en aplicaciones como la detección del cáncer y la identificación de células infectadas, aprovechando ventajas clave en resolución, sensibilidad, rendimiento y eficiencia energética.

El fundamento de DISRUPT se cimenta en la compatibilidad CMOS, un cambio de paradigma que permitirá desarrollar microscopios tomográficos más accesibles, ligeros y compactos en comparación con las soluciones actuales. Este enfoque innovador no solo representa una mejora tecnológica, sino que también tiene el potencial de transformar la accesibilidad y la viabilidad económica de la imagen biomédica avanzada.

El dispositivo propuesto por DISRUPT no solo aspira a ser una innovación tecnológica, sino que también se proyecta como una solución tangible para diversas aplicaciones biomédicas. Desde el diagnóstico temprano del cáncer hasta la caracterización celular, la investigación sobre el cáncer y las enfermedades infecciosas, el fenotipado de inmunocitos, la identificación de la multipotencia de células madre, la patología tisular, la hematopatología y el análisis de células infectadas, el abanico de posibilidades es amplio y prometedor.

Las características intrínsecas de esta tecnología, como su capacidad para la producción en masa, su compacidad, bajo costo, robustez mecánica y eficiencia energética, la posicionan como un motor de innovación para futuros desarrollos en múltiples campos de aplicación biomédica. Además, se vislumbra como una herramienta alternativa valiosa que aborda las necesidades emergentes de análisis y diagnóstico microscópico en entornos de bajos recursos, aplicaciones de telemedicina y puntos de atención. Este enfoque, con un impacto social potencialmente enorme, tiene el potencial de fomentar el diagnóstico precoz del cáncer y otras enfermedades e infecciones, transformando la prestación de atención médica y democratizando el acceso a tecnologías avanzadas en el ámbito biomédico.

Entidad financiadora

Comisión de las Comunidades Europeas

Años

2023-2025

Share

Socios

DICOMO

DICOMO

DICOMO

In this project we intend to develop computer vision algorithms for the evaluation of the progression of the treatment of Idiopathic Scoliosis in its different stages.

Idiopathic Scoliosis is a pathology of undefined cause that produces an abnormal development in the curvature of the spine. This pathology mainly affects young adolescents, with a prevalence of up to 5.2% of the population. Its main treatment is the use of a corrective corset. If this does not work, the patient is treated by surgery to fix the curvature of the spine.

Currently, the follow-up of corset and surgical treatment is done by torso X-rays and manual analysis of spinal markers by expert surgeons. This includes known inter-expert variability, and the markers used are not yet sufficiently robust to assess disease progression. Furthermore, the need for successive X-rays carries risks of excessive radiation in young patients. For this reason, DICOMO was born as a project whose main objective is to develop tools based on artificial intelligence capable of supporting expert surgeons in this task. Specifically, it seeks to reduce variability and workload by obtaining markers such as Cobb angles automatically, and tries to find novel early markers of success in treatment by corset and surgery.

 

Entidad Financiadora

PIDI-CV — I+D PIME-IVACE ( IMIDTA/2020/54)

Años

2021

Share

Socios

MINERVA

MINERVA

Mid- to Near Infrared Spectroscopy for Improved Medical Diagnostics

Aprovechar los últimos avances en tecnología fotónica para desarrollar una nueva plataforma de espectroscopía infrarroja y nuevos procesados de las señales adquiridas para la detección temprana de cáncer.

El diagnóstico final de la mayoría de tipos de cáncer lo realiza un médico experto en anatomía patológica que examina muestras tisulares o celulares sospechosas extraídas del paciente con un microscopio óptico tradicional. Actualmente, esta evaluación tediosa y subjetiva depende de la experiencia del médico y da lugar a altos niveles de discordancia entre diferentes patólogos, especialmente en las primeras etapas de desarrollo del cáncer.

En los últimos años la espectroscopia infrarroja (IR) ha demostrado un gran potencial para abrir  un nuevo capítulo en el campo de la imagen biomédica. El IR medio es capaz de excitar los modos de vibración de las biomoléculas más relevantes y las señales adquiridas informan sobre la composición química de la muestra. Por lo tanto, esta técnica de imagen emergente alberga un alto potencial para realizar diagnósticos patológicos objetivos y mejorar la detección y la evaluación del riesgo del paciente en el cribado y vigilancia de cáncer.

Hasta la fecha, la falta de fuentes, detectores y componentes adecuados en el IR medio han restringido esta tecnología a un interés únicamente académico. El proyecto MINERVA persigue varios objetivos en paralelo, desde el desarrollo de nueva instrumentación IR, como láseres, moduladores acusto-ópticos, fuentes supercontinuas y detectores en el rango IR medio, hasta la exploración del rendimiento y las limitaciones de la tecnología espectroscópica IR actual en la identificación temprana de cáncer.

El grupo CVBLab colabora en la exploración e implementación de nuevas técnicas matemáticas y computacionales de los campos interrelacionados de Tratamiento Digital de Imágenes, Visión Artificial, Aprendizaje Automático, Reconocimiento de Patrones y Análisis Multivariante para la adquisición, procesamiento y análisis de los espectros biomoleculares procedentes de imágenes hiperespectrales IR captadas de células y tejidos biológicos.

Para más información visite la página web oficial de Minerva.

Entidad Financiadora

Comisión Europea bajo el Séptimo Programa Marco (FP7-317803)

Años

2012 a 2017

Share

Publicaciones

Nuestros partners

SICAP

SICAP

Sistema de Interpretación de Imágenes Histopatológicas para la Detección del Cáncer de Prostata.

Desarrollar un sistema de ayuda al diagnóstico para el cáncer de próstata clasificando las imágenes histopatológicas procedentes de biopsias en diferentes grados según la escala Gleason.

Hoy en día, el cáncer de próstata es uno de los tipos más comunes de cáncer en el ser humano, junto con el de pulmón y el de mama. Para diagnosticarlo, primero se lleva a cabo una exploración física y, a continuación, un análisis de PSA. Si existen indicios de que el paciente pueda tener cáncer, se realiza una biopsia para obtener muestras de tejido prostático.  Después, un médico experto en anatomía patológica examina dichas muestras y les asigna una puntuación de acuerdo al sistema de clasificación de Gleason, el cual establece que los grados 1 y 2 se corresponden con un tejido prostático sano, mientras que los grados 3, 4 y 5 se corresponden con uno maligno.

En la actualidad, el análisis para clasificar las muestras es una tarea muy tediosa que requiere mucho tiempo y que suele llevar asociado un considerable nivel de subjetividad entre diferentes especialistas. Por esta razón, SICAP nace como un proyecto cuyo principal objetivo es diseñar y desarrollar un sistema de ayuda al diagnóstico que permita clasificar de forma automática las muestras biopsiadas, según la escala Gleason. De esta forma, sería posible ayudar a los patólogos a mejorar en términos de tiempo y eficacia, así como a reducir el nivel de discordancia que existe entre ellos cuando intentan clasificar una determinada muestra.

El grupo CVBLab cuenta con ingenieros biomédicos y de telecomunicaciones que trabajan en la implementación de técnicas computacionales basadas en Machine Learning y Deep Learning aplicadas a imágenes biomédicas, con la finalidad de encontrar características y patrones que permitan determinar de forma automática no solo si el paciente tiene cáncer, sino también la gravedad del mismo.

Entidad financiadora

Ministerio de Economía, Industria y Competitividad (DPI2016-77869-C2-1-R)

Años

2017 a 2020

Share

Publicaciones

Socios

WIBEC

WIBEC

Wireless In-Body Environment Communications

El principal objetivo de WiBEC es promover la formación doctoralen desarrollo de tecnología innovadora en el campo de los dispositivos implantables que puedan contribuir a una mejora en la calidad, el acceso y la eficiencia de la asistencia sanitaria.

WiBEC (Wireless In-Body Environment Communciations) es un Horizon 2020 Innovative Training Network (ITN) en el que un grupo de instituciones académicas, industriales y médicas se coordinan para formar a jóvenes investigadores. La formación se centra en el Social, Health and Technologies Challengedel H2020: Wireless In-Body Devices.

Los proyectos individuales de los investigadores se centran en dos dispositivos: implantes cardiovasculares y cápsulas endoscópicas para investigar problemas gastro-intestinales. Esos dispositivos permiten que profesionales de la salud tengan acceso a información clínicarelevante a la hora de atender a los pacientes. Por un lado, la motivación médica es incrementar las tasas de supervivencia y mejorar los resultados clínicosmediante diagnosis y tratamientos fáciles y rápidos. Por otro lado, el objetivo de la atención médica en el hogar es mejorar la calidad de vida e independencia de los pacientes mediante lo que se que conoce en inglés como ambient assisted living (AAL).

Un trabajo intersectorial y multidisciplinar es esencial en este proyecto al requerir cooperación entre el campo médico y el campo de la ingeniería, así como entre instituciones académicas e industria. WiBEC pretende ofrecerles a los investigadores noveles (ESRs: early-stage researchers) un programa de formación conjunto, adicionalmente a sus proyectos de investigación individuales, con el objetivo de fomentar la cooperación en el futuro entre los ESRse, incluso, entre sus instituciones de acogida en lo que se podría llamar una Red de Conocimiento.

La importancia de contar con tecnología innovadora en cirugía y en la atención médica está creciendo rápidamentey,por lo tanto,se prevé que Europa requerirá un gran número de expertos que combinen habilidades en el campo de la ingeniería y la salud para realizar nuevos paradigmas como el AAL. Los ESRs que forman parte de esta ITN adquirirán habilidades que les permitirán ocupar posiciones privilegiadas para fomentar el liderazgo de la UE en las TIC aplicadas a la salud.

https://www.ntnu.edu/wibec

 

Entidad financiadora

Comisión Europea, MARIE SKŁODOWSKA-CURIE ACTIONS (H2020:MSCA:ITN, 675353)

Años

2016-2019

Share

Publicaciones

Socios

CLARIFY

CLARIFY

Cloud Artificial Intelligence For Pathology

CLARIFY propone crear una infraestructura de investigación basada en inteligencia artificial y algoritmos de datos orientados a la nube que faciliten la interpretación y el diagnóstico en base a WSI en todas partes a través de herramientas novedosas así como un cambio de paradigma en el campo de la patología con el objetivo de maximizar los beneficios de la patología digital y ayudar a los patólogos en su trabajo diario.

La patología se considera suficientemente como madura para la innovación en términos de eficiencia del flujo de trabajo y diagnósticos más precisos. De hecho, el crecimiento del mercado estimado para los sistemas de patología digital es enorme, con el pronóstico de alcanzar 143 millones de dólares en 2019 en la UE y 205 millones de dólares en los Estados Unidos. A pesar de este aumento en las ventas, la patología diagnóstica en la práctica actual sigue siendo un proceso lento y engorroso que se basa en gran medida en la interpretación subjetiva de una imagen microscópica por un patólogo cualificado. Esto impone una limitación, incluso más sustancial en los departamentos de patología pequeños donde los patólogos podrían no estar especializados en áreas particulares.

 

CLARIFY aborda el desafío de mejorar el flujo de trabajo de los departamentos de patología optimizando los procesos actuales de diagnóstico y monitorización. Con este propósito, el objetivo científico de CLARIFY es desarrollar un entorno robusto de diagnóstico digital automatizado basado en tecnologías como: el procesamiento de imágenes digitales, la inteligencia artificial, la computación en la nube, blockchain, etc. para mejorar el intercambio de conocimientos y tomar decisiones mejor documentadas.

Para lograrlo, CLARIFY tiene como objetivo ofrecer un programa de investigación y capacitación innovador, multinacional, multisectorial y multidisciplinario que vincule dos especialidades altamente diferenciadas: ingeniería y medicina, con un enfoque en patología digital. Los socios del consorcio de CLARIFY reúnen a personal científico relevante de la academia, la industria y la medicina, que participaran en un programa de capacitación personalizado de alto nivel que garantizará a las ESR y los futuros estudiantes de doctorado oportunidades de carrera sobresalientes. CLARIFY difundirá los resultados a un amplio espectro de partes interesadas, creará conciencia entre el público en general sobre la patología digital y fomentará las carreras relacionadas con este campo entre los jóvenes estudiantes.

Para más información visite la página web oficial de Clarify.

Entidad financiadora

European Commission through Horizon 2020 (860627)

Años

2019 a 2023

Share

Socios

SAMUEL

SAMUEL

Sistema de Visión Artificial Aumentada Para la Caracterización Molecular y Morfológica del Cáncer de Piel

Elaborar un sistema de ayuda al diagnóstico basado en análisis de imagen histológica, información epigenética y datos clínicos para la detección del cáncer de piel. En particular, el objetivo es desarrollar algoritmos de machine learning para diferenciar entre melanoma y nevus, y evaluar el pronóstico de los casos de potencial maligno incierto.

La incidencia del cáncer de piel en el mundo occidental ha seguido una tendencia creciente en las últimas décadas, siendo el continente europeo el más afectado por el melanoma. La alta incidencia del cáncer de piel deriva en un aumento de la demanda del número de biopsias de piel, lo cual supone un reto logístico en los servicios de patología. Como motivación añadida, muchas de las lesiones remitidas a los departamentos de patología reportan directrices muy pobres para fundamentar la malignidad de la lesión. Esto conlleva una carga de trabajo significativa para los expertos, que tiene que emplear gran parte de su tiempo en analizar manualmente casos que finalmente resultan ser benignos (80% de los casos aproximadamente).

Entre los distintos tipos de cáncer de piel, el melanoma maligno es el más agresivo y peligroso, pues representa alrededor del 80% de las muertes asociadas al cáncer de piel. En este sentido, se hace esencial la detección precoz y el diagnóstico de la enfermedad en un estadio temprano a fin de reducir, en la medida de lo posible, las complicaciones asociadas. Sin embargo, la caracterización y diferenciación de estos tumores con respecto a otros tumores melanocíticos benignos o de potencial maligno incierto no es sencilla, ni siquiera para patólogos con experiencia. Además, dentro de las lesiones malignas, existen diferentes subtipos de melanoma con morfologías muy similares que suponen un reto para los expertos. Por esta razón, el proyecto SAMUEL pretende desarrollar herramientas de ayuda al diagnóstico que proporcionen a los patólogos una clasificación automática en diferentes subtipos de melanomas, así como una predicción del pronóstico del paciente. Para ello, se aplicarán algoritmos de inteligencia artificial sobre Whole-Slide Images (WSIs), que son las muestras de las biopsias digitalizadas en alta resolución. Además de las imágenes histológicas y de los datos clínicos del paciente, se tendrán en cuenta mecanismos moleculares que permiten la diseminación del melanoma cutáneo. En concreto, se llevarán a cabo procedimientos como la metilación del ADN y los microARNs, ya que, entre las distintas alteraciones epigenéticas existentes, se ha de mostrado que estas juegan un papel determinante en la progresión y desarrollo de los tumores melanocíticos.

En conclusión, con el proyecto SAMUEL se pretende desarrollar un sistema de ayuda al diagnóstico del cáncer de piel para diferenciar entre tumores melanocíticos malignos y benignos y para evaluar el pronóstico de los casos de potencial maligno incierto. Para ello, se llevarán a cabo algoritmos de inteligencia artificial que combinan imágenes histopatológicas, información epigenética y datos clínicos.

Agencia

Agencia Valenciana de la innovación

Años

2021 – 2023

Share

Socios

BRAIM

BRAIM

Técnicas Avanzadas de Imagen Médica para el Cerebro

El objetivo de este proyecto es el desarrollo y validación de herramientas para el diagnóstico precoz de enfermedades neurodegenerativas, como el Parkinson, la Esclerosis Múltiple o el Alzheimer, así como también para el diagnóstico y tratamiento de neoplasias cerebrales.

El proyecto BRAIM desarrolla y valida experimentalmente un conjunto de técnicas de procesado de diferentes tipos de imágenes médicas que permiten a los profesionales clínicos tomar las mejores decisiones cooperativas para la diagnosis y tratamiento de enfermedades cerebrales.

Por un lado, se propone el desarrollo y validación de un conjunto de herramientas que, a partir de imágenes de resonancia 3D de un paciente, posibilite de manera rápida y precisa el cálculo de volúmenes cerebrales y la clasificación de dicho paciente en función de una base de datos control para el diagnóstico de enfermedades neurodegenerativas. Además, esta herramienta permite, mediante la clasificación del paciente, realizar un pronóstico evolutivo del paciente bajo estudio. Aunque estas herramientas pueden ser útiles en el diagnóstico de múltiples patologías, la validación del sistema en este proyecto se centra en enfermos de Parkinson y de Esclerosis Múltiple.

En cuanto a la neurooncología, se desarrollan potentes herramientas que permiten al personal clínico determinar, a partir de imágenes anatómicas de resonancia 3D, el volumen total de la lesión tumoral para la utilización de esta variable en los próximos controles evolutivos. Además, se puede fusionar la información proporcionada por dichas imágenes anatómicas con imágenes metabólicas y funcionales para, de una manera no invasiva, proporcionar un mayor conocimiento sobre diversos aspectos de la misma (localización, agresividad, extensión, patrón infiltrativo…). Con todo ello se pretende ayudar no solo en el diagnóstico de las neoplasias y en su seguimiento, sino también en la toma de diversas decisiones cruciales como la estrategia terapéutica.

Entidad financiadora

Centro para el Desarrollo Tecnológico Industrial (IDI- 20130020)

Años

2012 a 2015

Share

Publicaciones

Socios

HEPAPLAN

HEPAPLAN

Planificador Hepático: Seguimiento y Análisis de Masas Tumorales en Cirugía Hepática

Desarrollar una herramienta software para el análisis prospectivo y retrospectivo de lesiones hepáticas evidenciadas en estudios anatómicos que ayude a los médicos en la toma de decisiones.

El proyecto ONCOTIC se compone de 6 sub-proyectos donde el denominador común es el uso de tecnologías TIC para mejorar el diagnóstico, tratamiento o seguimiento de patologías oncológicas. HepaPlan es uno de esos sub-proyectos en el que, concretamente, se busca mejorar el diagnóstico y seguimiento del cáncer de hígado.

En la actualidad, el facultativo solo dispone de unas imágenes 2D para emitir el diagnóstico del paciente. Sin embargo, el objetivo de este proyecto es proporcionarle información adicional que le ayude a decidir la terapia o tratamiento más adecuado. El software resultante del proyecto reconstruye un modelo 3D del hígado del paciente a partir de estudios de Resonancia Magnética (RM) y/o Tomografía Computarizada (TC) junto con sus estructuras anatómicas internas (venas, arterias y lesiones, si las hubiera). Una vez registradas las imágenes, se pueden realizar medidas volumétricas tanto del hígado como del tamaño del tumor y su posición relativa, así como del porcentaje del hígado afectado, el ratio de tejido sano/tejido con lesiones y la distancia entre el tumor y las venas o arterias más cercanas. Además, si se tienen estudios anteriores del paciente, se puede hacer un seguimiento de la evolución de la lesión desde el inicio del tratamiento hasta la actualidad. De cara a la planificación de una intervención quirúrgica, el software permite a los especialistas hacer simulaciones de una posible resección y evaluar de forma virtual los efectos de la cirugía sobre la capacidad funcional hepática.

HepaPlan fue galardonado con el ‘Best Innovation in Technology 2013’ dentro de los MIHealth Innovation Awards. Estos galardones reconocen el espíritu innovador y transformador de los profesionales del sistema sanitario y destacan el avance que supone contar con un planificador hepático que permita abordar las intervenciones quirúrgicas con un mayor grado de fiabilidad y disminuyendo los riesgos para el paciente.

Entidad financiadora

Centro para el Desarrollo Tecnológico Industrial (CDTI) (IDI-20101153)

Años

2010 a 2013

Share

Publicaciones

Socios

ACRIMA

ACRIMA

Análisis de Imagen de Fondo de Ojo para Cribado Automático de Enfermedades Oftalmológicas

El objetivo de este proyecto es el desarrollo de un sistema de cribado automático para las tres enfermedades más incidentes en la pérdida visual: el glaucoma, la retinopatía diabética y la degeneración macular asociada a la edad.

En este proyecto se proponen nuevos algoritmos de tratamiento de imagen enfocados no sólo a la detección de los patrones patológicos sino también a la definición y detección de la retina “normal”. Además, se avanza en la incorporación al algoritmo de marcadores empleados en el diagnóstico clínico que no han sido previamente utilizados en métodos de detección automática de patologías. Estas premisas dotan al sistema resultante del proyecto de un alto grado de robustez, así como de unos niveles de sensibilidad y especificidad suficientes para que pueda ser aplicado en la práctica clínica.

La motivación principal de este proyecto estriba en el alto impacto tanto social como económico que tiene la ceguera en la sociedad actual, así como la importancia del diagnóstico precoz de las principales enfermedades que causan ceguera, puede implicar, ya que la derivación adecuada para el tratamiento de dichas enfermedades es clave, pudiéndose prevenir la pérdida visual severa hasta en el 90% de los casos.

En la actualidad, un examen oftalmológico directo, periódico y completo parece ser el mejor enfoque para una evaluación de la población de riesgo, pero el crecimiento demográfico, el envejecimiento de la población, la inactividad física y los crecientes niveles de obesidad son factores que contribuyen al aumento de enfermedades sistémicas como la diabetes (que suelen llevar asociados enfermedades oftalmológicas) lo cual provoca que el número de oftalmólogos necesarios para la evaluación por examen directo de la población de riesgo sea un factor limitante.

Entidad financiadora

Ministerio de Economía y Competitividad (TIN2013-46751-R)

Años

2014 a 2016

Share

Publicaciones

Socios

OVOVITRIF

OVOVITRIF

Investigación de biomarcadores no invasivos para la predicción de la supervivencia ovocitaria a la vitrificación

El objetivo principal del presente proyecto es identificar biomarcadores en medio de cultivo de ovocitos, líquido folicular y datos de imagen obtenidas mediante tecnología time-lapse que permitan determinar la supervivencia de los ovocitos a la vitrificación y desvitrificación.

En los últimos años se ha producido un aumento de las pacientes que acuden a la clínica para preservar la fertilidad, ya sea por motivos sociales, médicos u otros. Además, la donación de óvulos ya es una práctica habitual en las clínicas de reproducción asistida. La técnica escogida para congelar estos óvulos es la vitrificación. 

La vitrificación se define como el fenómeno físico que tiene lugar cuando una solución altamente concentrada en solutos se somete a bajas temperaturas empleando velocidades de enfriamiento muy altas. Su aplicación en la conservación de ovocitos se traduce en la adición de una elevada concentración de agentes crioprotectores (los cuales reemplazan una gran parte del agua intracelular), junto con la inmersión directa del ovocito en nitrógeno líquido. De esta forma, el ooplasma adquiere una consistencia viscosa de estructura vítrea, lo que evita en gran medida efectos perjudiciales para el ovocito como la deshidratación y la formación de cristales de hielo en su interior.

Los bancos de ovocitos han demostrado su eficacia en la donación de ovocitos. La vitrificación es el método de elección para la criopreservación de ovocitos y embriones  y actualmente la donación de ovocitos vitrificados es una práctica habitual en muchos centros de reproducción asistida por todo el mundo. 

A pesar de ello, la criopreservación puede tener un impacto negativo sobre el ovocito debido a los cambios bruscos de temperatura y de fase que se producen en el ovocito y al estrés osmótico y la toxicidad provocada por los crioprotectores. Hay estudios que demuestran que los ovocitos que sobreviven a la vitrificación son funcionalmente equivalentes a sus homólogos en fresco en términos de fecundación, desarrollo y potencial de implantación. Sin embargo, la crio-lesión de los ovocitos por causas químicas, mecánicas y térmicas sigue siendo un problema.

Actualmente, las tasas de supervivencia de los ovocitos son muy altas, de forma que cuando no se alcanza el 50% de supervivencia ovocitaria se considera un fallo de supervivencia (FSV). En algunos casos, hay pacientes que presentan fallos repetidos de supervivencia.

Predecir estos casos sería de gran importancia para estas pacientes, ya que se podría asesorar personalmente a la paciente y aconsejarle realizar otro ciclo de estimulación si se predijera una baja supervivencia en el primero. Además, en el caso de las donantes, predecir aquellas cuyos ovocitos van a presentar un FSV podría abaratar costes a la clínica al poder rechazar su donación previamente a la vitrificación. Una forma de realizar esto sería analizando la metabolómica de los ovocitos de los ovocitos previo a la vitrificación y analizando la calidad de cada ovocito empleando técnicas de IA.

En las clínicas de reproducción asistida se realizan estudios de la calidad seminal mediante seminogramas y de la calidad embrionaria por TimeLapse. Sin embargo, actualmente en las clínicas no se da información de la calidad de los ovocitos individualmente, existen marcadores de la reserva ovárica de la mujer y se puede estudiar el grado de maduración de los ovocitos, pero por ahora no se puede estudiar su calidad de manera objetiva.

La valoración de la calidad ovocitaria al inicio del ciclo podría aportar información personalizada para cada paciente, predecir las probabilidades de supervivencia a la vitrificación, el ratio de fecundaciones y las probabilidades de llegar al estadío de blastocisto. Y de este modo, se podría incluso ofrecer una evaluación ovocitaria a todos los pacientes de forma rutinaria o como un valor añadido y ayudar a planificar el tratamiento de cada paciente de forma personalizada.

Por estas razones, con este proyecto se quiere proponer la identificación de biomarcadores en el metabolismo de los ovocitos, en la composición del líquido folicular y con marcadores morfológicos analizados por TimeLapse para relacionarlos con sus probabilidades de supervivencia a la vitrificación. Posteriormente, con los biomarcadores identificados desarrollará de un nuevo algoritmo basado en tecnología de aprendizaje profundo para la evaluación automatizada de los ovocitos previo a su vitrificación, que permita el asesoramiento personalizado de las pacientes.

Entidad financiadora

AVI- Generalitat valenciana- Financiado por la unión europea

Años

2023 – 2024

Share

Socios

AIDE

AIDE

Interfaces Multimodales Adaptables para Ayudar a Personas con Discapacidad en Actividades Diarias

l objetivo de este proyecto es el desarrollo de una interfaz multimodal, modular y adaptable a las necesidades individuales de personas con discapacidad mediante el uso de dispositivos hombre-máquina.

El proyecto AIDE tiene la ambición de contribuir a la mejora de la interfaz que relaciona al usuario con la tecnología desarrollando y probando una revolucionaria interfaz multimodal y modular adaptable a las necesidades individuales de las personas con discapacidades. Además, se enfoca en el desarrollo de un paradigma de control compartido totalmente nuevo para dispositivos de asistencia que integra diferentes tipos de información, desde la identificación de habilidades residuales, comportamientos, estado emocional e intenciones del usuario, por un lado, y análisis del entorno y factores de contexto, por otro.

El proyecto AIDE aborda diferentes desafíos. En primer lugar, el desarrollo de una nueva interfaz multimodal para detectar comportamientos e intenciones del usuario. En segundo lugar, la implementación de un sistema compartido de control humano-máquina. En tercer lugar, el desarrollo de un sistema modular de percepción multimodal para proporcionar información y soporte a la interfaz multimodal y al control cooperativo entre humanos y máquinas. El sistema está compuesto por: Control de una interfaz cerebro-máquina (BMI) basado en la actividad cerebral EEG, interfaz de superficie EMG inalámbrica, sensores fisiológicos portátiles para monitorizar señales fisiológicas (frecuencia cardíaca, nivel de conductancia de la piel, temperatura, frecuencia respiratoria, etc.) , sistema ElectroOculográfico (EOG) portátil, módulo de seguimiento ocular para identificar el punto de visión, una cámara RGB y de profundidad (como Kinect) para reconocer y rastrear el usuario y los objetos así como también la información cinética y dinámica proporcionada por el exoesqueleto de la extremidad superior.

Existen diferentes escenarios como posibles objetivos para el sistema AIDE: tareas de bebida, tareas de comer, presionar un interruptor dual sensible, hacer higiene personal, tocar a otra persona, comunicación, control de dispositivos domésticos, entretenimiento, etc.

http://www.aideproject.eu/es/

 

Entidad financiadora

Programa Horizonte 2020 de la Unión Europea (H2020-645322)

Años

2015 a 2018

Share

Socios

IMFUTEC

IMFUTEC

Técnicas Avanzadas de Fusión de Imagen Médica

ONCOTIC se compone de 6 sub-proyectos donde el denominador común es el uso de tecnologías TIC para mejorar el diagnóstico, tratamiento o seguimiento de patologías oncológicas. IMFUTEC es uno de esos sub-proyectos en el que, concretamente, se busca mejorar el diagnóstico y seguimiento del cáncer de cerebro a través de una aplicación que permite obtener y analizar las sustancias moleculares que lo componen. Su objetivo es conocer de una manera objetiva y prematura el estado del tejido cerebral frente a una posible enfermedad neurológica.

El tratamiento moderno de los pacientes con cáncer implica un mejor conocimiento de aspectos tales como las alteraciones moleculares responsables de la aparición del fenotipo tumoral, la realización de diagnósticos precoces, la monitorización de la evolución de la masa tumoral en respuesta al tratamiento y la adecuación de las estrategias terapéuticas a las alteraciones moleculares. En ese contexto, IMFUTEC aborda el desarrollo de una herramienta software para el cálculo y análisis de imágenes moleculares obtenidas mediante espectroscopia por resonancia magnética (ERM) de multivoxel. Gracias a la técnica multivoxel, el clínico puede estudiar no sólo la respuesta temporal de los metabolitos del cerebro, sino también su distribución espacial, con el objetivo de conocer de un modo preciso la zona donde se encuentra el tumor.

Haciendo uso de esa herramienta, se pueden analizar e integrar, de manera interactiva, diversas señales obtenidas mediante espectroscopia de protones para, posteriormente, generar mapas de colores pertenecientes a las sustancias de las diferentes áreas anatómicas sometidas a estudio. Los resultados obtenidos de la espectroscopia pueden fusionarse con imágenes anatómicas 3D de alta resolución y, dependiendo del estudio en cuestión, con imágenes de Resonancia Magnética Funcional (RMF) y/o PET. Ello constituye un hito importante para el diagnóstico y la detección prematura de enfermedades como el alzhéimer o la esclerosis múltiple.

ONCOTIC project is composed of 6 sub-projects where the common denominator is the use of ICT technologies to improve diagnosis, treatment or monitoring of oncological pathologies. IMFUTEC is one of those sub-projects in which, specifically, it seeks to improve the diagnosis and monitoring of brain cancer through a software tool that allows to obtain and analyze the molecular substances that comprise it. Its objective is to know in an objective and premature way the state of the brain tissue in the presence of a possible neurological disease.

The current treatment of patients with cancer implies a better knowledge of aspects such as the molecular alterations responsible for tumor phenotype appearance, the ability of early diagnoses, the monitoring of tumor mass evolution in response to treatment and the adequacy of therapeutic strategies to molecular alterations. In this context, IMFUTEC approaches the development of a software tool for the analysis of molecular images obtained through multi-voxel magnetic resonance spectroscopy. Thanks to the multi-voxel technique, clinicians can study not only the temporal response of brain metabolites, but also its spatial distribution, in order to know in a precise way the area where the tumor is located.

Making use of this tool, several signals obtained by proton spectroscopy can be analyzed and integrated in an interactive way to subsequently generate color maps belonging to the substances of the different anatomical areas under study. The results obtained from the spectroscopy can be fused with high resolution 3D anatomical images and, depending on the study in question, with Functional Magnetic Resonance (FMR) and/or PET images. This is an important milestone in the diagnosis and early detection of diseases such as Alzheimer’s or multiple sclerosis.

 

Entidad financiadora

Centro para el Desarrollo Tecnológico Industrial (CDTI) (IDI-20101153)

Años

2010 a 2013

Share

Publicaciones

Socios

MIRACLE

MIRACLE

Sistema CAD Inteligente para Prótesis Dentales

El objetivo de este proyecto es el desarrollo y validación de un sistema CAD inteligente para el diseño, simulación y fabricación flexible de prótesis dentales implanto-soportadas.

MIRACLE es un proyecto que persigue el desarrollo de un sistema avanzado de diseño, simulación y fabricación flexible de prótesis dentales implanto-soportadas. Los implantes dentales se enroscan directamente sobre el hueso mandibular o maxilar, a los cuales se anclan las prótesis dentales. El diseño y fabricación de prótesis dentales es un proceso muy artesanal que presenta unos elevados costes temporales y una metodología carente, en muchos casos, de especificaciones funcionales de diseño.

Lo que se pretende en este proyecto es evaluar las características funcionales de una prótesis y de los aspectos biomecánicos de la misma en aras de un sistema just in time, que posibilite la colocación en una única intervención de implantes y prótesis, lo que se conoce como casos de carga inmediata, y que evitan el período de cicatrización y ahorran una segunda intervención.

El sistema desarrollado en MIRACLE es un sistema CAD/CAM que permite probar las características funcionales de las prótesis dentales considerando la interacción mandibular-maxilar usando modelos virtuales, contrariamente a la mayoría de las soluciones comerciales donde esta prueba se realiza utilizando costosas réplicas anatómicas probadas con articuladores mecánicos y evaluados con pacientes. Otro objetivo de MIRACLE es desarrollar un modelo paramétrico de elementos finitos de toda la prótesis con el fin de analizar el riesgo de fracaso de los implantes dentales y las prótesis antes de su implantación quirúrgica, lo que permite un proceso de rediseño.

Entidad financiadora

Ministerio de Educación y Ciencia (DPI2007-66782-C03-01-AR07)

Años

2007 a 2010

Share

Publicaciones

Socios

NARALAP

NARALAP

Sistema de Navegación Mediante Realidad Virtual para Cirugía Laparoscópica

Implementación de un sistema de realidad aumentada para la asistencia en cirugía abdominal y desarrollo de un modelo biomecánico de hígado que permita la navegación intra-operatoria durante la cirugía laparoscópica.

NaRALAp busca desarrollar un sistema de navegación con laparoscopia fundamentado en dos pilares: la realidad virtual/aumentada y un modelo biomecánico del hígado. Su objetivo es avanzar en la creación de tecnología que permita la realización de intervenciones laparoscópicas más seguras y acordes con la planificación preoperatoria.

En las operaciones de cirugía abdominal mínimamente invasivas, laparoscopias, es de gran importancia el emplazamiento preciso de las incisiones por donde se va a introducir el instrumental durante la intervención (trocares) para que la cirugía sea efectiva. En ocasiones, cuando la operación es complicada, determinar la posición exacta donde hacer las incisiones es una tarea difícil incluso para cirujanos muy experimentados. Para determinar dicho emplazamiento, el cirujano se guía mediante palpación y la visualización 2D de las estructuras anatómicas y patológicas del paciente obtenidas a partir de las imágenes preoperatorias de TAC o Resonancia Magnética (RM).

En este proyecto se hace de uso de la realidad aumentada (RA) para facilitar la colocación de los trocares. Para ello, se crea un modelo 3D de los órganos abdominales del paciente extraído a partir de los estudios anatómicos preoperatorios. Posteriormente, dicho modelo se proyecta sobre el paciente en la mesa de operaciones aportando información adicional al cirujano para decidir el lugar más indicado donde llevar a cabo las incisiones.

El sistema resultante del proyecto fue validado en un entorno real obteniendo resultados prometedores y demostrando que un sistema de realidad aumentada puede aportar mejoras al cirujano en el emplazamiento de los trocares en cirugía con laparoscopia.

Entidad financiadora

Ministerio de Industria, Turismo y Comercio a través del sub-programa AVANZA (TSI-020100-2009-189)

Años

2009 a 2011

Share

Publicaciones

Socios

EMBRIODEEP

EMBRIODEEP

Desarrollo de algoritmos basados en Deep Learning para la mejora de la selección embrionaria utilizando tecnologías de visión artificial y su aplicación en un prototipo demostrador para su explotación en el ámbito asistencial.

Desarrollar un sistema de ayuda asistencial para la selección embrionaria utilizando algoritmos de Deep Learning y la tecnología de visión artificial más robusta aplicada en un protocolo clínico no invasivo de selección embrionaria, que analice de forma automatizada: variables morfocinéticas, variables relacionadas con la genómica y proteómica, variables relacionadas con el estrés oxidativo, otras variables intrínsecas a los ciclos de reproducción asistida, variables extrínsecas resultado del entorno de trabajo y los registros históricos de salud de todos los nacidos cultivados en Time Lapse. 

Teniendo en cuenta todos los datos procedentes de dichas variables, se obtendrá un modelo predictivo, del éxito de implantación y se investigarán patrones que posibiliten el desarrollo de un sistema de alertas para detectar y simular situaciones in silico en las que un embrión tenga más posibilidades de alcanzar una implantación exitosa. Estas alertas formarán parte del sistema de ayuda asistencial para la selección del mejor embrión y facilitarán la toma de decisiones en un centro de reproducción asistida. 

El presente proyecto surge de la preocupación de la matriz del Grupo IVI por la necesidad de implementar protocolos clínicos personalizados que ayuden a incrementar el éxito de cada ciclo de reproducción asistida y también producir una reducción de los intentos realizados hasta conseguir el éxito reproductivo. Se pretende la incorporación de las tecnologías de digitalización” mediante el desarrollo de servicios y modelos de analítica avanzada y visualización de datos que ayuden a la toma de decisión, concretamente de embriones competentes y de puntos críticos del proceso. 

 Actualmente, son muy limitados los trabajos que usan técnicas de Inteligencia Artificial (IA) y visión por computador para realizar una valoración de aquellos embriones que tendrán más probabilidades de tener una implantación final exitosa. Derivado del presente proyecto, se obtendrá una tecnología de visión artificial más robusta encuadrada en un protocolo clínico no invasivo que permita monitorizar y evaluar in silico el crecimiento embrionario y el éxito en la implantación con Deep Learning; optimizar los procesos, y su rendimiento, mediante tecnologías de visión artificial y el desarrollo de algoritmos basados en Deep Learning.

Por lo que el establecimiento de una nueva tecnología de visión artificial más robusta encuadrada en un protocolo clínico no invasivo capaz de seleccionar automáticamente el embrión con mayor probabilidad de implantar de una cohorte a la vez que alertar de las situaciones de riesgo, supondría una reducción del tiempo que los embriólogos destinan a la valoración de datos durante los procedimientos de laboratorio. Además de reducir la variabilidad inter-observador.

Los resultados previstos toman importancia debido a que los diferentes proyectos de familia (familias heteroparentales, homoparentales, monoparentales), el retraso en la maternidad, el incremento en la obesidad, y muchos otros factores han incrementado la demanda por unos servicios de reproducción asistida más personalizados y ha propiciado un cambio en el enfoque de la cadena de valor de las clínicas de reproducción asistida. 

Un mejor servicio, más exitoso y personalizado, se espera que se traduzca en un reclamo para los potenciales pacientes y una ventaja competitiva muy importante que redundará en un incremento en el número de pacientes y un aumento de la cifra de negocio.

El método clásico que se basa en la observación puntual por los expertos presenta una serie de limitaciones que son:

– Es una evaluación subjetiva.

– La evaluación se realiza en tiempos discretos, basados en momentos de observación puntual.

– Existen efectos negativos de la manipulación del entorno del cultivo.

– La clasificación de los embriones se divide en 4 categorías definidas por la ASEBIR (Asociación para el Estudio de la Biología de la Reproducción).

Frente a estas limitaciones, las técnicas de visión artificial y los algoritmos Deep Learning pueden mitigarlas o minimizarlas, llegando a tener un método de evaluación con las siguientes características:

– Obtención de parámetros cuantitativos objetivos.

– Mayor rapidez en la evaluación de embriones.

– Sistema de alarmas que permita la identificación temprana durante el cultivo embrionario. 

– Aporta información de forma automatizada sobre una gran variedad de parámetros (morfocinéticos, proteómicos, genómicos, de estrés oxidativo, etc.) que faciliten la toma de decisiones de los embriólogos.  

Por ello, lo que se pretende con el presente proyecto es solventar las limitaciones anteriormente comentadas desarrollando un nuevo sistema basado en algoritmos Deep Learning y en tecnologías de visión artificial que analicen de forma automatizada un amplio abanico de parámetros que afectan al éxito de implantación. Con todo ello, se conseguirá desarrollar un nuevo método diagnóstico que facilitará la toma de decisiones de los embriólogos aumentando el éxito en la implantación embrionaria, y en consecuencia, se aumentará el éxito de los tratamientos de reproducción asistida ofertados por la entidad.  Además, se pretende desarrollar un sistema de alertas que permita identificar precozmente valores anómalos o subóptimos en parámetros de interés respecto al éxito de implantación identificados previamente. La consecución satisfactoria del presente proyecto supondría la aplicación clínica de un nuevo protocolo de identificación y selección embrionaria, así como de un sistema de alertas asociado, que mejorará sustancialmente la eficacia de la técnica y, en consecuencia, el éxito reproductivo de los tratamientos ofertados por la entidad.

En este sentido, debido a que la incorporación de la tecnología objetivo de este proyecto posibilitará un mayor control y mejor monitorización y seguimiento del proceso de otros centros, y permitirá identificar la relación entre problemas o ineficiencias concretas, será un reclamo importante para nuestros proveedores u otras empresas del sector farmacéutico o de desarrollo de equipamiento sanitario de cara a la realización de ensayos clínicos controlados o para la validación de nuevos productos o tecnologías.

Entidad Financiadora

AVI-Generalitat valenciana

Años

2020 a 2021

Share

Socios

ADVICE

ADVICE

Auscultación Dinámica para la Optimización del Mantenimiento de Vías Férreas

El objetivo de este proyecto es el desarrollo de un método de auscultación de vía basado en el registro de las aceleraciones que experimentan los ejes de los trenes al circular por las vías férreas.

Railway track maintenance is becoming a challenge for Railway Engineers due to the need of meeting increasingly high quality requirements by means of cost-effective procedures. This can be only achieved by implementing some technological developments from other fields into the railway sector, such as Digital Signal Processing. Indeed, the present project delves into data acquisition and processing techniques in order to enhance track surveying processes. In particular, the project is based on train/track dynamic interaction through the gathering and subsequent analysis of axlebox accelerations. For this purpose, the accelerations produced while trains run are gathered and analysed in different ways: varying sampling and filtering frequencies, the location of accelerometers along the train and the different parameters that define some time-frequency representations.

The obtained results show the optimal values for train/track dynamic interaction as well as the best location for the accelerometers. In addition, it is demonstrated that, through spectral analysis and time-frequency diagrams, it is possible to identify and classify diverse track defects, track singularities and vibration modes laying the foundations for the application of digital image processing techniques to railway track maintenance.

Once the different track aspects have been detected and classified, it is also possible to monitor the evolution of the maintenance conditions track geometry and its components.

Entidad financiadora

Ministerio de Economía y Competitividad (IDI-20110461)

Años

2011 a 2014

Share

Publicaciones

Socios

FUTURWALL

Futurwall

Estudio inmersivo del comportamiento humano en espacios comerciales y la disposición de productos

Generación de un sistema modular para el estudio del comportamiento humano dentro de un establecimiento comercial.

En la actualidad, para poder realizar un estudio mercadotécnico, las empresas contratan a trabajadores específicos para recabar información sobre el tipo de personas que transitan sus comercios, sus características, sus itinerarios y sus tendencias de compra. Esta tarea es ardua y laboriosa a la vez que depende en gran medida de la persona que registra esos datos, influyendo directamente en la precisión y en la cantidad de los mismos.

Para automatizar este proceso, se propone un sistema con distintos módulos interconectados que realizan tareas diferentes pero sincronizados para que los datos obtenidos sean congruentes. Uno de los módulos se dedica a la obtención de la trayectoria de las personas que circulan por el comercio. Para ello se realiza un entramado de cámaras con disposición cenital generando una imagen escalable y procesándola de manera que se obtienen las trayectorias y diversas métricas que parametrizan el comportamiento del usuario. Otro de los módulos detecta las personas que pasan por delante de un lineal y el producto que cogen del mismo. Estos módulos emplean distintos tipos de cámaras para la adquisición de las imágenes, tanto de captación de luz visible como de infrarrojos y con distintos tipos de lentes. Para proporcionar un empaque total, un último módulo detecta el género y el rango de edad de las personas que visitan el establecimiento. De esta manera se puede hacer un estudio tanto individualizado como genérico para poder redistribuir los productos y generar ofertas acordes a los usuarios.

A partir de los datos recogidos automáticamente por el sistema, se genera un informe a partir del cual la empresa pueda tomar decisiones objetivas, adaptar la disposición de sus productos o personalizarlos en función de las características de su clientela.

Entidad financiadora

Fondos propios

Años

2014 a 2017

Share

Socios

VCF EMOCIONAL

VCF EMOCIONAL

Cuantificación de la Actividad Cerebral Durante la Visualización de Contenidos Audiovisuales Deportivos Empleando EEG

El objetivo general del estudio es el de entender el comportamiento y los sentimientos de los aficionados de un club de fútbol cuando están viendo un partido en el estadio o mientras celebran la consecución de un título por parte de su equipo.

El presente proyecto consiste en el acondicionamiento y análisis de registros electroencefalográficos (EEG) adquiridos durante la observación de vídeos pertenecientes a la historia del Valencia C.F.

El principal objetivo que se persigue es el de dar respuesta a una serie de cuestiones sobre las emociones que sienten los aficionados al deporte:

  • ¿Existen diferencias en cuanto a actividad cerebral durante la visualización de vídeos históricamente positivos en comparación con los negativos?
  • ¿Puede ser cuantificada objetivamente la actividad cerebral y ser usada para la clasificación de los vídeos siguiendo una escala emocional?
  • ¿Es posible detectar automáticamente los fotogramas de los vídeos que producen un incremento o decremento significativo de la actividad cerebral?

Para responder científicamente a las cuestiones mencionadas, en primer lugar, se efectúa una fase de acondicionamiento de la señal de EEG. En esta etapa, la actividad cerebral es aislada de artefactos tanto fisiológicos (movimientos del sujeto, contacto electrodo-piel, otras señales fisiológicas que interfieren en el registro, etc.) como externos (ruido de equipos, interferencias, etc.). Posteriormente se aplican una serie de métricas y descriptores sobre la señal EEG con el objetivo de extraer información relevante que permita obtener conclusiones tras una fase de clasificación y/o análisis estadístico.

Entidad financiadora

Fondos propios

Años

2013

Share

Publicaciones

Socios

SUPERBOWL

SUPERBOWL

Evaluación de Contenidos Publicitarios a Partir del Análisis de Señales Fisiológicas

Este proyecto tiene como principal objetivo diseñar un clasificador automático de anuncios, según su calidad, a partir del análisis de señales fisiológicas. Además, se desean obtener conclusiones acerca de los procesos cognitivos y las reacciones del ser humano ante la exposición de diferentes contenidos publicitarios.

Desde la electroencefalografía (EEG), la electrocardiografía (ECG), la respuesta galvánica de la piel (RGP) y la señal respiratoria es posible extraer características relevantes para cuantificar los niveles de atención, memorización y agrado. El principal objetivo de este proyecto es desarrollar un sistema capaz de clasificar contenidos audiovisuales utilizando la extracción de características de los registros fisiológicos. Estos registros se adquieren mientras los participantes están viendo un documental en el que aparecen diferentes anuncios intercalados.

Después del preprocesamiento de la señal (realizado para obtener resultados fiables), se calculan diferentes métricas relacionadas con los dominios temporal y de frecuencia para cuantificar los sentimientos del usuario durante la visualización de cada anuncio. Utilizando esta información, se aprenden modelos predictivos automáticos utilizando algoritmos avanzados de aprendizaje automático.

Otro objetivo de este proyecto es proporcionar respuestas a diferentes preguntas experimentales sobre los comportamientos humanos cuando los contenidos comerciales se exponen a los participantes:

  • ¿Existen diferencias en la actividad cerebral durante la observación de anuncios entre la población que recuerda y olvida el anuncio?
  • ¿Puede la actividad cerebral ser cuantificada objetivamente y utilizada para identificar anuncios potencialmente exitosos?
  • ¿Es posible determinar automáticamente los fotogramas de video que producen un aumento o disminución significativa en la actividad cerebral y correlacionar esta actividad cerebral con otras medidas fisiológicas?

Entidad financiadora

Fondos propios

Años

2013 a 2015

Share

Publicaciones

Socios

This website uses cookies to improve your web experience.
Explore
Drag