El BIMCV Prostate Dataset es un conjunto de datos de resonancias magnéticas de próstata, con 9,341 sesiones de 8,441 sujetos recopiladas en 16 centros de salud de la Comunidad Valenciana, España. Incluye imágenes en T2W, DWI, y ADC, y está estructurado según el estándar MIDS para facilitar su uso por investigadores. El dataset tiene una distribución diversa en términos de centros, fabricantes de equipos y características de los pacientes, lo que lo hace valioso para el desarrollo de modelos de inteligencia artificial en oncología de próstata.

Investigador Principal: Maria de la Iglesia Vayá

Data Scientist: Jesús Alejandro Alzate-Grisales

Desarrollo de un sistema de asistencia quirúrgica basado en realidad virtual aumentada y modelos 3D impresos para la planificación preoperatoria y la mejora de resultados en cirugía ortopédica y traumatología.

Investigador Principal: Kateryna Kardash

El conjunto de datos BIMCV-COVID19 es un gran conjunto de datos con imágenes de rayos X de tórax CXR (CR, DX) y tomografía computarizada (TC) de pacientes COVID-19 junto con sus hallazgos radiográficos, patologías, reacción en cadena de la polimerasa (PCR), pruebas de anticuerpos diagnósticos de inmunoglobulina G (IgG) e inmunoglobulina M (IgM) e informes radiográficos del Banco de Datos de Imagen Médica de la Comunidad Valenciana (BIMCV). Los hallazgos están mapeados en terminología estándar del Sistema Unificado de Lenguaje Médico (UMLS) y cubren un amplio espectro de entidades torácicas, en contraste con el número mucho más reducido de entidades anotadas en conjuntos de datos anteriores.

Investigador Principal: Maria de la Iglesia Vayá

Desarrollo de un estándar para el almacenado y gestión de cualquier modalidad de Imagen Médica. Se pretende conseguir un modelo estandarizado. Siguiendo el establecimiento del Comité sobre mejores practicas en análisis y compartimiento de datos (COBIDAS, www.humanbrainmapping.org/cobidas/) por la sociedad de neuroimagnes mas importantes – la Organización de mapping del cerebro humano (OHBM).

Investigador Principal: Chris Filo Gorgolewski

Data Scientist: Jose Manuel Saborit Torres  

Detección Multifocal en Rayos X para clasificación de patologia pulmonar utilizando IA con Deep Learning.

El objetivo principal del presente proyecto es explorar las técnicas de inteligencia artificial de aprendizaje profundo para la predicción de patologías en radiografías de torax informadas en castellano.

Investigador Principal: Aurelia Bustos Moreno

Data Scientist: Jose María Salinas Serrano 

Los textos médicos, como los informes radiológicos o las historias clínicas electrónicas, son una potente fuente de datos para los investigadores. Es necesario desarrollar métodos de anonimización para desidentificar documentos que contengan información personal tanto de pacientes como de personal médico. Aunque actualmente existen varias estrategias de anonimización para el idioma inglés, también dependen del idioma. Aquí presentamos una estrategia de reconocimiento de entidades con nombre para textos médicos en español, traducible a otros idiomas.

Investigador Principal:  María de la Iglesia-Vayá

Data Scientist: Irene Pérez-Díez

Proporcionar recursos, datos, y herramientas para realizar estudios epidemiológicos avanzados en Imagen Médica Poblacional. Se pretende analizar y controlar la evolución de diferentes patologías neurológicas y buscar distintos patrones poblacionales mediante técnicas de data mining.

Investigador Principal: Dr. Oscar Zurriaga

Data Scientists: María de la Iglesia Vayá & Jose Manuel Saborit-Torres

Gestor de Proyectos en I+D aplicado a la Esclerosis Múltiple. NeuroBIM-MS es un sistema de gestión y extracción de conocimiento de imágenes de pacientes con esclerosis múltiple diagnosticada, basada en la implementación de una instancia del modelo general Cloud CEIB I+D.

Investigador Principal: José María Salinas Serrano (Hospital San Juan de Alicante)

Data Scientist at CEIB:  Jose Manuel Saborit-Torres

Cerebro reproducible y de alta calidad. Este proyecto pretende establecer una estructura clara para la reproducibilidad y control de cualidad de experimentos de imágenes cerebrales, sobretodo en la campo de RM. HQBrain explorara las implementaciones, desde adquisición de imágenes hasta el procesamiento de datos y la evaluación de los resultados, prestando especial atención a soluciones para tratar con la confidencialidad de datos con una vista para proporcionar robustez y confianza en practicas y experimentos de imágenes.

Investigador Principal: Dr. Luis Martí-Bionmatí

Data Scientist:  Joaquim Ángel Montell Serrano

Dentro del espectro en trastornos del cerebro, podemos destacar los de deterioro cognitivo. Estos trastornos tienen una alta prevalencia, así como también, deficiencias y discapacidades a corto y largo plazo. Por lo tanto, son una carga emocional, financiera y social para los pacientes, sus familias y su red social. Uno de los grandes retos a nivel mundial es el abordaje y estudio del conectoma. La conectómica trata de entender cómo funciona el cerebro a partir de la red de conexiones. En este proyecto se pretende realizar el estudió del conectoma valenciano a partir de la recopilación de imágenes de resonancia magnética (RMI) y electroencefalografía (EEG) hasta alcanzar un conjunto de muestras significativas para el estudio poblacional.

Investigador Principal: Maria de la Iglesia Vayá