Oportunidades Públicas

Fecha de Creación	Descripción	Mentor(es)	Acciones
20/12/2020	Deep learning based super resolution reconstruction for high resolution coronary magnetic resonance angiography Coronary artery disease is currently diagnosed with X-ray or computed tomography coronary angiography (CTCA). However, both modalities expose patients to ionising radiation and iodinated contrast agents (CA). We have developed an alternative approach, coronary magnetic resonance angiography (CMRA), which is non-invasive, does not require the injection of CA and is free of radiation. Our 3D CMRA technique is approaching the resolution of CTCA but still requires a 10-minute scan. To further shorten the scan time to <1 minute and match the resolution of CTCA (0.6mm3), we propose to investigate novel deep learning based super resolution (SR) image reconstruction networks. The work will include a systematic literature review and the implementation of the most promising SR networks. We have a large clinical dataset of CMRA/CTCA data that can be used for training, testing and validation. It would be useful to know about the fundamentals of artificial intelligence. Keywords: MRI deep learning Imágenes Médicas artificial intelig Prerequisites: No prerequisites Available vacancies: 3/10 Class Code Initials: IEE IBM ING This opportunity uses a Nota 1-7 evaluation method and is worth 10 credits Reconstrucción de súper resolución basada en aprendizaje profundo para angiografía coronaria de resonancia magnética La enfermedad de las coronarias se diagnostica actualmente con rayos X o con angiografía coronaria de tomografía computarizada (CT). Ambas modalidades exponen a los pacientes a radiación ionizante y agentes de contraste yodados (CA). Hemos desarrollado un enfoque alternativo, la angiografía coronaria por resonancia magnética (RM), que no es invasiva, no requiere la inyección de CA y está libre de radiación. Nuestra técnica se está acercando a la resolución de la CT, pero aún así requiere una exploración de 10 minutos. Para acortar aún más el tiempo de exploración a <1 minuto, proponemos investigar nuevas redes de deep learning para reconstruir imágenes RM de súper resolución (SR). El trabajo incluirá una revisión sistemática de la literatura y la implementación de las redes de SR más prometedoras. Tenemos datos clínicos de RM/CT que pueden ser utilizados para la formación, las pruebas y la validación. Keywords: MRI deep learning Imágenes Médicas artificial intelig Prerrequisitos: Sin prerrequisitos Vacantes disponibles: 3/10 Siglas iniciales: IEE IBM ING Tiene un método de evaluación Nota 1-7, con 10 créditos	Claudia Del Carmen Prieto Vásquez René Michael Botnar	Ver
20/12/2020	Acquisition, reconstruction and motion correction for 3D whole-heart Magnetic Resonance Imaging Magnetic Resonance Imaging (MRI) is an important non-invasive tool for risk assessment and treatment monitoring of cardiovascular disease. In comparison to other imaging modalities (ultrasound, x-ray and computed tomography) MRI has the advantage of combining excellent soft tissue contrast with high spatial resolution. However, a major limitation of current MRI protocols is that all imaging sequences are acquired sequentially, with different resolution, geometric orientations and breath-hold positions, resulting in long planning and scan times. Moreover, image quality degradation due to respiratory and cardiac motion are major challenges that greatly affect the accuracy and reproducibility of cardiac MRI. This research includes the development of novel whole-heart 3D MRI sequences, motion compensation techniques and deep learning methods to enable 3D, easy-to-plan, fast and efficient quantitative multi-parametric MRI of heart and vessels. The research is done together with King’s College London. Basic knowledge of MRI, signal processing and artificial intelligence would be useful. Keywords: MRI procesamiento señal Imágenes Médicas artificial intelig Prerequisites: No prerequisites Available vacancies: 3/10 Class Code Initials: IEE IBM ING This opportunity uses a Nota 1-7 evaluation method and is worth 10 credits Adquisición, reconstrucción y corrección de movimiento para imágenes cardiovasculares por Resonancia Magnética La resonancia magnética (RM) es una importante herramienta no invasiva para la evaluación de enfermedades cardiovasculares. En comparación con ultrasonido y tomografía computarizada, la RM tiene la ventaja de combinar un excelente contraste de los tejidos blandos con una alta resolución. Una limitación importante de los protocolos de RM es que todas las secuencias de imágenes se adquieren secuencialmente, con diferente resolución, orientaciones y posiciones de retención de la respiración, lo que da lugar a largos tiempos de planificación y adquisición. La degradación de las imágenes debido al movimiento respiratorio son grandes desafíos que afectan a la precisión y la reproducibilidad de la RM cardíaca. Esta investigación incluye el desarrollo de novedosas secuencias de RM tridimensional, técnicas de compensación de movimiento y métodos de aprendizaje profundo para permitir una RM multiparamétrica tridimensional, fácil de planificar, rápida y eficiente del corazón y los vasos. Keywords: MRI procesamiento señal Imágenes Médicas artificial intelig Prerrequisitos: Sin prerrequisitos Vacantes disponibles: 3/10 Siglas iniciales: IEE IBM ING Tiene un método de evaluación Nota 1-7, con 10 créditos	Claudia Del Carmen Prieto Vásquez René Michael Botnar	Ver
09/07/2025	Audio to text using Natural Language Processing The objective of this research is to program software that implements state-of-the-art Natural Language Processing (NLP) models for real-time audio-to-text translation. Models based on deep neural networks and Transformers are considered. Advanced programming knowledge is required, but a background in NLP and application development is desirable. Weekly meetings will be held to monitor progress. Keywords: machine learning programación AI Software artificial intelig software engineering AI applications Lenguaje Prerequisites: IIC2233 Available vacancies: 1/2 Class Code Initials: ICM This opportunity uses a Nota 1-7 evaluation method and is worth 10 credits Audio a texto mediante Procesamiento de Lenguaje Natural El objetivo de esta investigación es la programación de un software que implemente modelos del estado-del-arte de Procesamiento de Lenguaje Natural (NLP, del inglés "Natural Language Processing") para traducción de audio a texto en tiempo real. Se contemplan modelos basados en redes neuronales profundas y Transformers. Se requieren conocimientos avanzados de programación, siendo deseable que se cuente con background sobre NLP y desarrollo de aplicaciones. Habrá reuniones semanales para monitorear avances. Keywords: machine learning programación AI Software artificial intelig software engineering AI applications Lenguaje Prerrequisitos: IIC2233 Vacantes disponibles: 1/2 Siglas iniciales: ICM Tiene un método de evaluación Nota 1-7, con 10 créditos	David Esteban Acuña Ureta	Ver
09/07/2025	Video to text using Computer Vision and Natural Language Processing The objective of this research is to program software that implements state-of-the-art computer vision models for pose estimation and translates them into text using Natural Language Processing (NLP) in real time. Models based on deep neural networks and Transformers are considered. Advanced programming knowledge is required, but a background in computer vision, NLP, and application development is desirable. Weekly meetings will be held to monitor progress. Keywords: machine learning programación AI Software computer vision artificial intelig visión computacional software engineering AI applications Prerequisites: IIC2233 Available vacancies: 1/2 Class Code Initials: ICM This opportunity uses a Nota 1-7 evaluation method and is worth 10 credits Video a texto mediante Visión por Computador y Procesamiento de Lenguaje Natural El objetivo de esta investigación es la programación de un software que implemente modelos del estado-del-arte de Visión por Computador para estimación de pose y traducirlo a texto mediante Procesamiento de Lenguaje Natural (NLP, del inglés "Natural Language Processing") en tiempo real. Se contemplan modelos basados en redes neuronales profundas y Transformers. Se requieren conocimientos avanzados de programación, siendo deseable que se cuente con background sobre Visión por Computador, NLP y desarrollo de aplicaciones. Habrá reuniones semanales para monitorear avances. Keywords: machine learning programación AI Software computer vision artificial intelig visión computacional software engineering AI applications Prerrequisitos: IIC2233 Vacantes disponibles: 1/2 Siglas iniciales: ICM Tiene un método de evaluación Nota 1-7, con 10 créditos	David Esteban Acuña Ureta	Ver