IMPARTICIÓN DE CURSOS DE POSGRADO EN LA UNAM






Introducción al Análisis de Imágenes Médicas y Cirugía Asistida por Computadora

 CURSO SEMESTRE 2015-1 (AGOSTO- NOV.2014)

Horario : Martes y Jueves de 10:00 a 11:30 hrs,  lugar: 3er piso Edificio Anexo del Instituto de Investigación en Matemáticas Aplicadas y Sistemas (IIMAS), Cd. Universitaria, México, D.F.

Parte I. Dr. Leo Joskowicz, Universidad Hebrea de Jerusalén, Israel*

  * Los alumnos de la UNAM que lo deseen pueden asistir sólo a ésta parte del curso sin inscribirse
Los estudiantes de fuera de la UNAM que deseen asistir a esta parte del curso favor de solicitarlo con
Fernando Arambula: fernando.arambula@ccadet.unam.mx

Parte II. Dr. Fernando Arámbula Cosío, Lab. de Análisis de Imágenes, CCADET, UNAM

Dr. Edgar Garduño Angeles, Departamento de Computación, IIMAS, UNAM

Horario y lugar:       3er piso del Edificio Anexo del Instituto de Investigación en Matemáticas Aplicadas y Sistemas (IIMAS)
Lunes y Miercoles 10:00  a 11:30 hrs

Temario del curso

I. Cirugía Asistida por Computadora

I.2. Visualización 

I.3. Caso de estudio: colonoscopia virtual

I.4. Seguimiento (tracking) en tiempo real

I.5. Pricipios de Registro

a. Principios y métodos para registro rígido y deformable

b. Caso de estudio: 2D/3D rayos-X/TAC registro rígido
 Notas del curso:

Tema II.1

Tema II.2

Tema II.3

Tema II.4

Tema II.5

Tema II.6

                                                                                                                  

              

I.6. Caso de estudio: Cirugía ortopédica asistida por computadora (CAOS)
I.7. Robótica Médica
a. Introducción
b. Caso de estudio: Radio cirugía
c. Caso de estudio: Robot miniatura montado en hueso (MARS: Miniature bone-mounted robot)
I.8. Entrenamiento y simulación
a. Caso de estudio simulador de cirugía de próstata

II. Análisis de imágenes médicas
II.1. Tipos de imágenes médicas

II.1.1. Rayos-X (Fluoroscopia, TAC), Ultrasonido, RMN, PET, SPECT
II.1.2. Imágenes digitales DICOM

II.2. Análisis manual de imágenes médicas: ROC (Receiver Operating Characteristic)

II.3. Retoque (enhancement) de imágenes médicas
II.3.1 Operaciones sobre pixeles
II.3.2. Operaciones locales (aplicadas sobre una ventana)
II.3.3. Operaciones sobre varias imágenes: promedio, sustracción
II.3.4. Filtrado en el dominio de frecuencia

II.4. Segmentación de imágenes médicas
II.4.1. Clasificación de pixeles: cálculo y selección de características, clasificadores
II.4.2. Segmentación de contornos: Modelos activos de forma (Active Shape Models)
II.4.3. Caso de estudio: Segmentación de la próstata en imágenes de ultrasonido

II.5. Registro de imágenes médicas
II.5.1. Transformaciones geométricas
II.5.2. Registro de puntos correspondientes
II.5.3. Registro de superficies
II.5.4. Registro basado en intensidad (de pixéles o voxéles)

II.6. Validación de técnicas de análisis de imágenes médicas
II.6.1. Métricas
II.6.2. Métodos de entrenamiento y validación
II.6.3. Aspectos prácticos



Computación evolutiva

Dr. Fernando Arámbula Cosío, Dra. Katya Rodríguez Vázquez

 CURSO SEMESTRE 2015-1 (AGOSTO- NOV.2014)

Horario : Martes y Jueves de 11:30-13:00 hrs,  lugar: 3er piso Edificio Anexo del Instituto de Investigación en Matemáticas Aplicadas y Sistemas (IIMAS), Cd. Universitaria, México, D.F.


OBJETIVO: Presentar la teoría básica y los métodos de implementación de algoritmos genéticos para el desarrollo de aplicaciones. Así como iniciar al alumno en la teoría básica y los problemas actuales de investigación en algoritmos genéticos y programación genética.

Caja de herramientas U. de Shefield

Notas Mlab

Notas del Curso de Introducción a los algoritmos genéticos (F. Arámbula)


I.- INTRODUCCION 

Que es un algoritmo genético (AG) 
Inspiración biológica 
Comparación de AGs con otros métodos de optimización
Convergencia

II.- PRINCIPIOS DE OPERACIÓN DE UN AG
Operadores genéticos
Teoría de schemata
Selección de parámetros óptimos de operación de un AG

III.- IMPLEMENTACION DE UN AG
Implementación de un AG en lenguaje MATLAB
Introducción a MATLAB
Estructuras de datos
Algoritmos de selección
Crossover y mutación
Mapeo de una función objetivo a función de aptitud
Codificación de los parámetros de la función de aptitud
AG paralelo (multipoblacional)

IV.- APLICACIONES DE AGs
Reconocimiento automático de objetos en imágenes digitales
Navegación autónoma de robots
Generación automática de texturas para un modelo gráfico 3D

V. INTRODUCCIÓN A LA PROGRAMACIÓN GENÉTICA
Representación 
Operadores Genéticos
Aplicaciones 
Teorema del Esquema en PG
Intrones, Redundancia y Teoría de la Evolución Neutral

VI.- PROYECTO FINAL
Implementación en MATLAB de un AG para resolver un problema no trivial,  p.ej:
Reconocimiento automático de objetos en imágenes digitales
Planeación de rutas para un robot móvil
Generación automática de texturas para un modelo gráfico 3D
Uso de codones en la implementación de un AG