Los últimos avances en las técnicas de inteligencia artificial están haciendo que cada vez se relacionen más con el mundo de la medicina y la salud. A pesar de que se han conseguido automatizar tareas difíciles, las técnicas actuales requieren grandes bases de datos de las que aprender.
En muchos casos, es complicado conseguir recopilar bases de datos con miles de imágenesde cada cosa que el método a desarrollar necesita conocer, bien porque las imágenes sean difíciles de obtener o porque se necesita a un experto que invierta mucho tiempo en etiquetarlas.
En este aspecto, un trabajo desarrollado por investigadores del grupo de investigación Visilab, de la Escuela Técnica Superior de Ingeniería Industrial de la Universidad de Castilla-La Mancha (UCLM) y publicado en la revista "Computer Methods and Programs in Biomedicine", a través de aplicaciones basadas en visión por computadores y un procesamiento de imágenes para el diagnóstico, ha propuesto un método que mejorará la biomedicina.
Han creado un nuevo sistema para generar nuevas imágenes mezclando dos de las que ya se disponga en una base de datos pequeña
Para solucionar el problema de la ausencia de datos en medicina o biología mediante la creación de imágenes artificiales, han creado un nuevo sistema para generar nuevas imágenes mezclando dos de las que ya se disponga en una base de datos pequeña.
El trabajo redactado por los investigadores responsables Noelia Vállez, Gloria Bueno y Óscar Déniz, miembros del grupo Visilab y profesores de la Escuela Técnica Superior de Ingeniería Industrial; y Saúl Blanco Lanza, del Instituto de Medio Ambiente, Recursos Naturales y Biodiversidad de la Universidad de León, muestra un método desarrollado que está inspirado en el ciclo de vida que siguen las diatomeas, algas microscópicas que se encuentran en ríos y mares.
Los investigadores, ponen un ejemplo para entender este nuevo descubrimiento: “para una persona es fácil aprender qué es un silla viendo dos o tres, pero para que un ordenador aprenda lo mismo, necesita ver fotos de miles de sillas diferentes y alguien que le “dé clases” y enseñe que eso son sillas.
Cuando se utilizan bases de datos aumentadas con el método propuesto, basado en el morphing y el registro de imágenes, los resultados obtenidos por las técnicas de inteligencia artificial muestran una clara mejora en la precisión
“Sería como tomar dos imágenes que sabemos que contienen sillas y mezclarlas para obtener una silla de un tamaño y una forma intermedia”, asegura la investigadora Vállez.
El trabajo muestra que cuando se utilizan bases de datos aumentadas con el método propuesto, basado en el morphing y el registro de imágenes, los resultados obtenidos por las técnicas de inteligencia artificial muestran una clara mejora en la precisión.
De esta forma, la mejora se midió en distintas bases de datos relacionadas con la medicina y la biología para demostrar su aplicabilidad en distintos campos y problemas.