• Aplicada a redes neuronales convolucionales permite desarrollar esquemas competitivos de visión artificial  

Docentes, estudiantes e investigadores participaron en la conferencia virtual “Neuroevolución en el procesamiento de imágenes médicas”

Carlos Hugo Hermida Rosales 

28/05/2021, Xalapa, Ver.- Héctor Gabriel Acosta Mesa, académico del Instituto de Investigaciones en Inteligencia Artificial de la Universidad Veracruzana (UV), mencionó que la neuroevolución –técnica que combina un algoritmo genético con una red neuronal– es un nicho prometedor para desarrollar investigación en diversos ámbitos.  

Agregó que aplicada a redes neuronales convolucionales –donde las neuronas corresponden a campos receptivos de una manera muy parecida a sus similares en la corteza visual primaria de un cerebro biológico– permite desarrollar esquemas competitivos de visión artificial.  

El también investigador impartió el 25 de mayo la conferencia virtual “Neuroevolución en el procesamiento de imágenes médicas”, que fue organizada por el cuerpo académico (CA) Investigación y Aplicaciones de la Inteligencia Artificial.  

Gabriel Acosta mencionó que la visión artificial es una rama de la inteligencia artificial que busca emular el sentido de la vista en una computadora, y que el diagnóstico por imagen es una práctica que se realiza en diferentes campos del ámbito médico. 

La visión artificial busca emular el sentido de la vista en una computadora

Aunque la interpretación de estas imágenes la llevan a cabo expertos altamente calificados, para realizar esta labor es deseable contar con sistemas automáticos que les apoyen, que requieren de la construcción de modelos entrenados a partir de ejemplos para su desarrollo.  

Compartió que uno de los paradigmas de aprendizaje automático más utilizados para este fin son las redes neuronales artificiales, cuya implementación involucra dos procesos fundamentales: la descripción de la arquitectura de la red neuronal, y el entrenamiento de los pesos de la red. 

Detalló que en la actualidad han surgido propuestas de métodos que generan automáticamente la topología de estas arquitecturas de redes neuronales mediante el uso de algoritmos de computación evolutiva, cuyos requerimientos de cómputo son muy demandantes.  

Enfatizó que es necesario profundizar en el entendimiento de estas representaciones, ya que debido a su complejidad es difícil lograr entenderlas del todo.