Herramientas con IA para que ordenadores aprendan a leer imágenes médicas, biológicas o agrícolas con precisión

La investigadora Ángela Casado García ha desarrollado, en su tesis doctoral, herramientas de Inteligencia Artificial que enseñan a los ordenadores a interpretar imágenes de forma más precisa y robusta, con menos recursos y una interfaz gráfica fácil de usar incluso por no expertos. Estos resultados, con numerosas aplicaciones en biología, agricultura y medicina, democratizan el uso de modelos de Aprendizaje Profundo.

Desarrollada en el Departamento de Matemáticas y Computación de la Universidad de La Rioja –en el marco del programa de Doctorado 782D Doctorado en Matemáticas y Computación (Real Decreto 99/2011)- la tesis ‘Modelos de detección y segmentación para la fisiología de plantas y agricultura de precisión’ ha sido dirigida por María Vico Pascual y Jonathan Heras, logrando la calificación de sobresaliente ‘cum laude’ con mención internacional.

ENSEÑAR A LOS ORDENADORES A “VER” COMO NOSOTROS

Esta investigación se centra en el campo de la Visión por Computador, una tecnología que enseña a las máquinas a “ver” y “entender” el mundo a través de imágenes y videos. Combina conceptos de Inteligencia Artificial, procesamiento de imágenes, percepción visual y ciencia de datos para permitir que los ordenadores comprendan y analicen contenido visual de manera similar a los humanos.

En los últimos años se han logrado avances significativos, gracias al desarrollo de algoritmos y técnicas basadas en el Aprendizaje Profundo (Deep Learning). Esta técnica de Inteligencia Artificial enseña a los programas informáticos a reconocer patrones complejos a partir de grandes cantidades de datos. Trata de imitar la forma en que aprendemos nosotros, pero a mucha mayor escala y con empleando herramientas matemáticas.

Sin embargo, “el uso de Deep Learning presenta algunos problemas: para entrenar modelos se requiere un gran número de imágenes, que pueden ser difíciles de obtener en contextos como la biomedicina o la agricultura de precisión; el proceso de anotación de estas imágenes consume mucho tiempo, y, además, es difícil de utilizar para usuarios no expertos”, indica Ángela Casado.

UN ALGORITMO CON APLICACIONES REALES EN AGRICULTURA Y MEDICINA

La investigadora plantea en su tesis estas limitaciones y evalúa las soluciones encontradas en contextos reales. Ha desarrollado un algoritmo que mejora la precisión y la robustez de los modelos de detección de objetos, permitiendo a las máquinas “ver” de manera más eficaz.

“Entrenamos al ordenador para que sepa distinguir los distintos elementos de una imagen -explica la investigadora-. Por ejemplo, si le mostramos una cepa, detectará qué parte son hojas, cuáles tallos o uvas. Y, gracias a este algoritmo, lo hará con gran precisión, segmentando la imagen para ajustarse a la forma exacta del racimo, sin confundirlo con zonas de cielo o de madera”. Así, es posible estimar la producción de ese viñedo con mayor fiabilidad o llevar un control más eficaz de la vegetación.

Además de su valiosa aportación a la agricultura de precisión, el uso de estas técnicas se extiende a otras áreas de gran interés, como la biología o la salud. Como muestra, los investigadores han comprobado su validez para la interpretación de imágenes asociadas a la retinopatía diabética, entre otras aplicaciones.

DEMOCRATIZAR EL APRENDIZAJE PROFUNDO

Estos logros han sido posibles gracias al empleo de métodos de ensemble, que utilizan varios enfoques para resolver un problema (trasladado a la experiencia humana, sería como formar un equipo de expertos en vez de acudir a una sola persona).

Así, “hemos logrado reducir el número de imágenes necesarias para entrenar a los ordenadores y hemos conseguido, además, hacer más sencillo el proceso de creación y uso de modelos de detección, gracias a una interfaz gráfica fácil de usar”, explica la doctora.

Esta investigación permite que tecnologías avanzadas, como la Visión por Computador, sean más accesibles y útiles en campos como la agricultura o la medicina. Además de mejorar la precisión de los ordenadores, facilita el empleo de estas herramientas informáticas por personas no expertas: “Este trabajo –concluye Ángela Casado- es un paso hacia la democratización de los modelos de Aprendizaje Profundo”.