Aprendizaje profundo aplicado en biomedicina.
Detección de cánceres de piel.

Raúl Fernández Díaz

14 a 16 de marzo de 2022

Actividad Formativa multirrama para Salud, Ciencias e Ingenierías

El taller de aprendizaje profundo en biomedicina se imparte de forma remota por videoconferencia en la plataforma de la Universidad de Alcalá. El enlace a la sesión, igual para los tres días del taller, es el siguiente:

https://eu.bbcollab.com/guest/c4d7de338b6e4dc7b73dd5d5dfcb1514

Por favor, utilice su nombre y apellidos para identificarse en la sesión de cara a poder realizar el seguimiento de asistencia y la certificación posterior.

Formulario de inscripción

El Curso de «Aprendizaje profundo aplicado en biomedicina. Detección de cánceres de piel.» está organizado por el Programa de Doctorado en Señalización Celular. Está integrado en el VII Congreso de Señalización Celular, SECUAH 2022, y constituye una Actividad Formativa multirrama de la Escuela de Doctorado de la Universidad de Alcalá, ofertado para las ramas de Salud y Ciencias.

El Curso consta de tres sesiones de una hora de exposición seguida de debate cada una. Para el reconocimiento del curso como actividad formativa de doctorado será necesario, por normativa de la UAH, rellenar un formulario de seguimiento posterior a cada sesión. El enlace se publica en el transcurso de la sesión.

Resumen

Las técnicas de aprendizaje profundo (deep learning) están adquiriendo creciente importancia en todos los campos de la ciencia, pero tienen un enorme potencial especialmente en biomedicina para facilitar el diagnóstico de enfermedades o acelerar el descubrimiento de medicamentos. En este taller se realizará una exposición de qué son las redes neurales, cómo funcionan y qué aplicaciones tienen. Recorreremos las principales arquitecturas avanzadas: redes recurrentes (RNN) y redes convolucionales (CNN), haciendo especial énfasis en las segundas. Los conceptos teóricos se ilustrarán con una serie de simuladores a lo largo de las 2 primeras sesiones y se cristalizarán en la tercera sesión con un caso práctico que consistirá en la clasificación de fotografías de lesiones en la piel como cancerosas o benignas. Los participantes tendrán la oportunidad de recorrer paso por paso el código necesario para poder diseñar, entrenar y validar una DCNN y cada uno podrá customizar la arquitectura para tratar de obtener el mejor modelo posible.

Materiales requeridos

• Cuenta de Google Drive.
• Dos archivos que se proveerán por correo electrónico tras la inscripción en el taller. También puede descargar aquí el archivo comprimido en zip: taller_aprendizaje_profundo_archivos

Calendario y objetivos de aprendizaje

Sesión 01 – Fundamentos de aprendizaje profundo

14/03/2022 (15:30 – 16:45)

• ¿Qué es el aprendizaje atomático?
• ¿Cómo funcionan las redes neurales?
• ¿Qué problemas podemos encontrar al utilizarlas?

Sesión 02 – Aplicación de arquitecturas avanzadas en biomedicina

15/03/2022 (15:30 – 16:45)

• ¿Por qué usar arquitecturas avanzadas?
• ¿Qué son las redes recurrentes (RNN)?
• ¿Qué son las redes convolucionales (CNN)?
• Aplicaciones en biomedicina: RNN para la creación de bibliotecas de moléculas candidatas contra dianas específicas y CNN para predicción de sitios de unión a ligandos en proteínas

Sesión 03 – Introducción a programación de redes neurales convolucionales

16/03/2022 (15:30 – 16:45)

• Práctica: Introducción a libretas de Google Colaboratory
• Práctica: Introducción al dataset
• Práctica: Preparación de los datos
• Práctica: Diseño y entrenamiento de la red neural
• Práctica: Interpretación de los resultados y validación del modelo