Diploma de Especialización en Técnicas Cuantitativas en Medicina Traslacional: Bioimpresión,Radiómica e Inteligencia Artificial

Título propio de la Universidad de Valladolid
 PREINSCRÍBETE AQUÍ hasta el 30 de agosto
Última modificación de esta página: 12/06/22

Presentación

Este diploma de especialización va dirigido fundamentalmente a personal médico que desee conseguir una formación básica en técnicas cuantitativas para el manejo de datos. Se entenderá que los datos provendrán, fundamentalmente, de imágenes médicas, si bien se proporcionará formación básica en técnicas estadísticas y herramientas asociadas para el tratamiento de datos en general.

El título también va dirigido a personas con formación técnica que deseen aprender el uso de herramientas para el análisis de imágenes médicas, bioimpresión, radiómica e inteligencia artificial.

El diploma, en consecuencia, sirve como nexo de unión entre profesionales de la medicina y profesionales de los ámbitos de las ciencias experimentales y de las ingenierías, de forma que desarrollen un lenguaje común en los ámbitos de aplicación indicados en el título del curso, manejen las mismas herramientas y puedan desarrollar conjuntamente proyectos ambiciosos.

Se trata de una titulación enteramente on-line para facilitar su seguimiento por profesionales en ejercicio. La carga lectiva es la adecuada para un estudiante a tiempo parcial. Se impartirá en lengua castellana, y está abierto, en consecuencia, a alumnos hispanohablantes de cualquier nacionalidad.

Este diploma parte de una idea marcadamente instrumental; se persigue que el alumno, al término del curso, aparte de ver reforzados sus conocimientos sobre anatomía humana, y ver ampliados y actualizados sus conocimientos sobre metodologías estadísticas básicas, vea que ha desarrollado capacidades para programar rutinas sencillas de análisis estadístico y sus aplicaciones a la radiómica y de deep learning (con las herramientas comúnmente empleadas en estos campos), capacidades para la generación de atlas anatómicos digitales (con varias herramientas adicionales) y de generación de modelos 3D y bioimpresión (con otras tantas herramientas).


La idea de este título parte de la colaboración entre investigadores del Laboratorio de Procesado de Imagen de la Universidad de Valladolid con la Sociedad Española de Radiología Médica (SERAM). Numerosas conversaciones con miembros de la Junta Directiva de la SERAM nos ha permitido hacernos una idea de las necesidades de formación específica del personal sanitario en técnicas cuantitativas y las hemos plasmado a través de la colaboración con dicha sociedad en diversos cursos:
  •     Un curso de Radiómica que se celebró a finales del año 2019 y principios de 2020, el cual tuvo una segunda edición en 2021.
  •     Un curso de Inteligencia Artificial, el cual ya ha tenido tres ediciones (años 2019, 2020 y 2021).
  •     Un curso de Impresión 3D, el cual ha tenido también tres ediciones (años 2018, 2019 y 2020).
  •     Un curso de imagen de resonancia magnética, el cual ha tenido cuatro ediciones (años 2018, 2019, 2020 y 2021).

Por otra parte, varios profesores de esta propuesta asistimos a la edición 2019 del congreso de la Radiological Society of North America (RSNA-2019), celebrado en Chicago a finales de noviembre y principios de diciembre de 2019. Este congreso, aparte de sesiones científicas, tuvo numerosas sesiones educativas, y muchas de ellas tuvieron un perfil similar al que aquí desarrollamos. En efecto, las sesiones consistían en demostraciones prácticas de procedimientos por ordenador para extraer información radiómica a partir de unos datos de imagen médica, de entrenamiento de redes profundas a partir de un banco de imágenes etc ... Huelga decir que esas sesiones tuvieron una enorme aceptación y los aforos se quedaron pequeños para el público que demandaba este tipo de formación.

El diploma está organizado y se imparte en la E.T.S.I. de Telecomunicación de la Universidad de Valladolid, y cuenta con la colaboración de:



Espacio Seram – Cursos de Espacio Seram    

Plan de estudios

Para el curso 22/23 las fechas previstas son:
  • Comienzo de estudios: 10 de octubre de 2022
  • Fin de los estudios: 9 de junio de 2023
  • Horario: La docencia será on-line asíncrona, si bien los profesores podrán proponer actividades síncronas atendiendo al número de alumnos y su ubicación geográfica.


El curso consta de 30 ECTS y está dividido en tres materias, los cuales están formados por una o dos asignaturas:
  • Herramientas para el análisis de datos e imágenes: 10 ECTS
    • Asignatura: Herramientas para el Análisis de Datos e Imágenes (HADI)
  • Atlas anatómicos y bioimpresión: 10 ECTS
    • Anatomía y Generación de Atlas Anatómicos (6 ECTS): AGAT
    • Bioimpresión (4 ECTS): BIMP
  • Aprendizaje e inteligencia artificial: 10 ECTS
    • Aprendizaje Automático y Radiómica (5 ECTS): AAR
    • Inteligencia Artificial (5ECTS): IA

Las asignaturas se han ordenado de tal forma que el número de ECTS por semana sea igual a uno. Esto significa que la dedicación máxima del alumno al curso es de 25 horas semanales. En esta dedicación se contabiliza toda la actividad del alumno, es decir, se incluye la reproducción de las videoconferencias, el estudio de los temas, el desarrollo de los ejercicios y la participación en foros y cualesquiera otras actividades de dinamización diseñadas por los profesores.

El curso tiene una duración de 33 semanas, las cuales incluyen
  • Un período de 12 semanas (S1-S12) en las que se impartirán 6 ECTS de HADI y la asignatura AGAT
  • Una semana de labor personal y realización de cuestionarios (S13)
  • Un período de 8 semanas (S14-S21) en las que se impartirán 4 ECTS de HADI y la asignatura BIMP.
  • Una semana de labor personal y realización de cuestionarios (S22).
  • Un período de 10 semanas (S23-S32) en las que se impartirán las asignaturas AAR e IA.
  • Una semana de labor personal y realización de cuestionarios (S33)

En el esquema adjunto se puede ver la estructuracion temporal de las asignaturas:



Acceso al Diploma de Especialización e Importe de Matrícula

Acceso al máster

Según el artículo 19 del Reglamento de Títulos Propios de la Universidad de Valladolid (BOCyL de 8 de junio de 2020), para acceder a las enseñanzas conducentes a los títulos propios de la Universidad de Valladolid será necesario estar en posesión de un título universitario oficial español u otro expedido por una institución de educación superior perteneciente a otro Estado integrante del Espacio Europeo de Educación Superior que faculte en el mismo para el acceso a enseñanzas de máster oficial. Así mismo, podrán acceder los titulados conforme a sistemas educativos ajenos al Espacio Europeo de Educación Superior sin necesidad de la homologación de sus títulos, previa comprobación por la Universidad de que aquellos acreditan un nivel de formación equivalente a los correspondientes títulos universitarios oficiales españoles y que facultan en el país expedidor del título para el acceso a enseñanzas de posgrado. El acceso por esta vía no implicará, en ningún caso, la homologación del título previo de que esté en posesión el interesado, ni su reconocimiento a otros efectos que el de cursar dichas enseñanzas propias.

La redacción del artículo 37, apartados 5 y 6, del RD 822/2021, de 28 de septiembre, por el que se establece la organización de las enseñanzas universitarias y del procedimiento de aseguramiento de la calidad (BOE 29/09/2021) establece que a las titulaciones de Máster en Formación Permanente, Diploma de Especialización y Experto se debe acceder con titulación universitaria previa.

    De acuerdo con el artículo 21, se podrá admitir de manera condicionada a los alumnos que en el momento de realizar la preinscripción en el estudio propio, dentro del plazo señalado, tengan pendiente la defensa del Trabajo Fin de Grado (TFG) en alguna universidad española. En cualquier caso, la obtención del título propio y de los certificados académicos correspondientes estará condicionada a la obtención previa del título universitario oficial de grado.


    Criterios de admisión


    El acceso se permite a los titulados universitarios de cualquier rama, si bien los solicitantes deberán acreditar conocimientos previos de matemáticas (a nivel de PREU, COU o de último curso de bachillerato).

    Se llevará a cabo la selección de los solicitantes admitidos empleando criterios basados en:

    •  Adecuación de la formación previa de los alumnos.
    • Expediente académico.
    • Experiencia profesional de los solicitantes.
    • CV de los solicitantes.
    • Carta de motivación.

    Ocasionalmente, la entrevista personal podría ser necesaria.



      Importe de matrícula

      Importe de la matrícula completa: 1.700 €  (56,67 € por crédito ECTS)

      Calendario de trámites


      Fase de Preinscripción


      - Período de preinscripciones: 8 de junio al 20 de julio.

      Fase de Matriculación

      - Período de matrícula: del 1 al 10 de septiembre de 2022
      - Lugar de matrícula:
      Sección de Estudios Propios y Títulos
      Casa del Estudiante,
      C/ Real de Burgos s/n
      47011 Valladolid
      Tel: 983 423911, Fax: 983 186397
      e-mail: seccion.titulos(at)uva.es (para consultas de tipo administrativo).

      Contacto

      En los dos siguientes apartados de esta página proporcionamos más información sobre el plan de estudios, el sistema de evaluación y el profesorado. Para consultas académicas adicionales puede contactarse con el coordinador del título:

      Prof. Carlos Alberola López
      ETSI de Telecomunicación, Universidad de Valladolid
      Campus Miguel Delibes. Paseo de Belén 15
      47011 Valladolid
      Tel:  983 423662
      Fax: 983 423667

      Detalle de las asignaturas

      La asignaturas y sus contenidos son:


      Herramientas para el análisis de datos e imágenes (HADI, 10 ECTS)

      La asignatura tiene tres partes. La primera de ellas consiste en un bloque de estadística e introducción al aprendizaje automático. La segunda de ellas es un conjunto de conferencias a cargo de especialistas de la medicina, en el que se expondrán diversas aplicaciones prácticas de la tecnología en medicina en general y, en particular, de los métodos cuantitativos. La tercera es un bloque de introducción a Python, así como a una librería de aprendizaje automático (SciKit). Los dos primeros bloques se impartirán durante doce semanas (S1-S12). El tercer bloque se impartirá durante un periodo de ocho semanas (S14-S21)

       

      Los contenidos serán:

       

      Estadística descriptiva

      Inferencia estadística.

      Introducción al aprendizaje automático

      Conferencias temáticas            

      Introducción a Python

      Introducción a SciKit


      Anatomía y Generación de Atlas Anatómicos (AGAT, 6 ECTS)

      AGAT se impartirá en el periodo de doce semanas S1-S12.  Proporcionará conocimientos y destrezas para el desarrollo de atlas anatómicos computacionales.

      Los contenidos serán:


      Anatomía seccional y Visible Human

      Anatomía radiológica del aparato locomotor

      Anatomía radiológica del Sistema Nervioso. Resonancia magnética y artefactos de imagen

      Variantes anatómicas craneales.

      Anatomía topográfica de cabeza, tronco y extremidades


      - Bioimpresión (BIMP, 4 ECTS)


      BIMP tendrá lugar en durante ocho semanas, en el intervalo S14-S21. Proporcionará conocimientos y destrezas para pasar de la imagen tomográfica a modelos imprimibles.

      Los contenidos serán:

      Conceptos generales de impresión 3D

      Manipulación de imagen médica. Segmentación y registro.

      Visualización por ordenador.

      Fundamentos de edición de mallas.

      Software para impresión 3D.


      Aprendizaje Automático y Radiómica (AAR, 5 ECTS)


      AAR se imparte durante diez semanas en el intervalo S23-S32.  Profundiza (con respecto a HADI) en las técnicas de aprendizaje automático y particulariza esta temática al caso de estudios de radiómica.

      Los contenidos serán:


      Extracción y selección de características
      Clasificación y regresión
      Fundamentos de radiómica. Características radiómicas.
      Filtrado y armonización de datos.



      - Inteligencia Artificial (IA, 5 ECTS)


      IA se imparte durante diez semanas en el intervalo S23-S32.  Consiste en una iniciación al deep learning para personal no especializado.

      Los contenidos serán:


      Fundamentos de Deep Learning. Tipos de aprendizaje. 
      Herramientas para Deep Learning
      Aplicaciones de la IA en medicina




      En todos los casos,
      la evaluación de la adquisición de competencias y sistema de calificaciones se basará en los siguientes tipos de pruebas o exámenes:


    ·       Evaluación de trabajos: 70%

    ·       Cuestionarios de las diferentes partes de la materia: 30%


                    Se podrán establecer requisitos mínimos para superar las asignaturas de esta materia.
     

     


      Profesorado (curso 22/23)


      Aguiar Pérez, Javier Manuel (UVa)
      Aja Fernández, Santiago (UVa)
      Alberola López, Carlos (UVa)
      Casaseca de la Higuera, Juan Pablo (UVa)
      Luis García Rodrigo de (UVa)
      Martín Fernández, Marcos Antonio (UVa)
      Miguel Jiménez, Ignacio de (UVa)
      Pastor Velázquez, Juan Francisco (UVa)
      Paz Fernández, Félix Jesús de (UVa)

      D'Amato, Roberto (UPM)
      Calabia del Campo, Juan (UE Miguel de Cervantes)
      Juanes Méndez, Juan Antonio (USal)
      Jiménez López, Marcelo Fernando (USal)
      Manzano Mozo, Javier (UE Miguel de Cervantes)
      Prats Galino, Alberto (U. de Barcelona)
      Santos Sánchez, José Ángel (USal)

      Abril Vega, Carlos (Cleveland Clinic, Abu Dhabi)
      Aguado Hernández, Héctor J. (H. Clínico Universitario, Valladolid)
      Busto Barrera, Marco José (Hospital del Mar, Barcelona)
      Framiñán de Miguel, Andrés (Complejo Asistencial Sanitario, Salamanca).
      Luna Alcalá, Antonio (Health Time, Córdoba)
      Matute Teresa, María de Fátima (H. Clínico Universitario San Carlos, Madrid)
      Paniagua Escudero, Juan Carlos (Complejo Asistencial Sanitario, Salamanca).
      Redondo Diéguez, Alberto (H. Universitario Pío del Río Hortega,Valladolid)
      Redondo González, Luis Miguel (H. Universitario Pío del Río Hortega,Valladolid)
      Río Solá, María Lourdes del (H. Clínico Universitario, Valladolid)
      Royuela del Val, Javier (Health Time, Córdoba)
      Sánchez Abuín, Alberto (H. Clínico Universitario, Valladolid)
      Vega Castrillo, Aurelio (H. Clínico Universitario, Valladolid)
      Zuccarino, Flavio (Hospital del Mar, Barcelona)




      El logo empleado en esta página procede de www.freepick.com que solicita esta siguiente atribución

Fecha de revisión: 12-06-2022

Sitio en español / English site

(c) 2022 :: Escuela Técnica Superior de Ingenieros de Telecomunicación
Paseo Belén 15. Campus Miguel Delibes
47011 Valladolid, España
Tel: +34 983 423660
email: infoaccesoteluvaes