• José Antonio Fuentes Tomás propone delimitar la zona de pixeles correspondientes a la placenta, a fin de extraer información de ella 
• Su trabajo atrajo la atención de la revista IEEE Transactions on Evolutionary Computation, que le publicó un artículo 

José Antonio Fuentes Tomás trabaja en el diseño de un algoritmo que permita la segmentación de imágenes médicas

José Luis Couttolenc Soto 

Fotos: César Pisil Ramos y cortesía José A. Fuentes 

20/02/2024, Xalapa, Ver.- El embarazo es una de las etapas importantes en la vida de una mujer, que requiere de cuidados para evitar enfermedades que representen algún riesgo perinatal, por ello José Antonio Fuentes Tomás, alumno de Doctorado en Inteligencia Artificial (IA) de la Universidad Veracruzana (UV), trabaja en el diseño de un algoritmo que permita la segmentación de imágenes médicas. 

En particular, ha centrado su interés en el órgano de la placenta, que provee oxígeno y nutrientes al bebé en gestación, dado que, con base en algoritmos evolutivos se posibilita la prevención de anomalías y ayuda a la toma de decisiones médicas. 

Explicó que su propuesta implica segmentar la placenta, es decir, delimitar la zona de pixeles correspondientes a ella en una imagen digital, y a través de este ejercicio extraer información sobre sus características, como tamaño, forma o madurez, relacionado con el porcentaje de calcificación.

Algoritmos evolutivos posibilitan la prevención de anomalías y ayuda a la toma de decisiones médicas

“Ésta fue una de las motivaciones iniciales de esta investigación, que pretende ser una base sólida para estudios posteriores de esta naturaleza”, argumentó el estudiante de posgrado. 

Fuentes Tomás precisó que en la literatura especializada se ha popularizado el uso de la arquitectura U-Net para tareas de segmentación de imágenes; sin embargo, el uso de redes convolucionales requiere un amplio dominio del programa y pudiera no aplicarse en distintos dominios, por lo que se recurre al paradigma de cómputo evolutivo de programación genética para obtener un desempeño de segmentación similar al de U-Net con una complejidad menor en términos del índice de Dice y el número de parámetros. 

Los resultados de su investigación muestran que el algoritmo permite reducir el número de parámetros de U-Net, que oscila entre el 80 y el 98 %; además, el desempeño de segmentación alcanza un nivel competitivo en comparación con U-Net con una diferencia de 0.012 unidades en el índice de Dice, al no usar los datos de placentas y de 0.043 unidades al considerar un segundo conjunto de datos.

En la literatura se ha popularizado el uso de la arquitectura U-Net para tareas de segmentación de imágenes

El estudio de José Antonio Fuentes Tomás despertó el interés de varias prestigiadas revistas científicas como IEEE Transactions on Evolutionary Computation, que publicó el artículo “Codificación basada en árboles en la búsqueda de arquitectura neuronal para la segmentación de imágenes médicas”, que es coautoría de Fuentes Tomás y sus directores de tesis Efrén Mezura Montes y Héctor Gabriel Acosta Mesa, del Instituto de Investigaciones en Inteligencia Artificial (IIIA) de la UV, y contó con la colaboración de Aldo Márquez Grajales. 

La publicación corresponde a un número especial, con factor de impacto de 14.3, y actualmente es considerada como la revista número cuatro en la categoría “Ciencias de la computación, teoría y métodos”, y la número seis en la categoría “Ciencias de la computación, inteligencia artificial”.