CONTEXTO

La visión artificial es uno de los sectores en los que se espera un mayor crecimiento económico en los próximos años, pues permitirá sacar mayor partido a la abrumadora cantidad de imágenes que se almacenan cada día. Sin embargo, el desarrollo de sistemas de visión artificial es costoso. En los últimos años, con la generalización del aprendizaje profundo, se han obtenido resultados expectaculares en tareas donde se ha podido combinar aprendizaje supervisado y datos masivos -normalmente procedentes de internet-. En neuroimagen no tenemos ese volumen de imágenes anotadas, por lo que, aunque se comienza a explorar formas de aplicar aprendizaje profundo, los resultados todavía no son competitivos. El objetivo de esta investigación es utilizar técnicas de aprendizaje semi-supervisado -en conjunción con profundo- en neuroimagen para combinar una pequeña muestra de imágenes etiquetadas -costosa de obtener pues lo deben realizar especialistas- con imágenes no etiquetadas disponibles en los sistemas de archivo hospitalarios.