Visión por computador e inteligencia artificial en aplicaciones biomédicas
Curso avanzado en imagen médica e IA: conoce el preprocesado, la anotación y el deep learning, explora modelos fundacionales y visión‑lenguaje, y prepárate para liderar proyectos innovadores en salud digital.
Description
A lo largo del curso, el alumnado aprenderá los fundamentos esenciales de la imagen digital y las principales modalidades médicas, comprendiendo cómo se estructuran, adquieren y representan las imágenes 2D, 3D y 4D en entornos clínicos. Desarrollarán una visión clara de las tareas fundamentales de la visión por computador en salud —como clasificación, segmentación, registro o reconstrucción, preprocesado y normalización de imágenes. Adoptarán un enfoque data‑centric, entendiendo cómo crear datasets médicos de alta calidad para mitigar sesgos y documentar correctamente el ciclo de vida del dato. También adquirirán competencias en anotación mediante herramientas especializadas y conocerán los fundamentos del deep learning aplicado a imagen médica, desde convoluciones y funciones de pérdida hasta arquitecturas modernas como U‑Net, ResNet o Swin Transformer. Además, explorarán el potencial de los modelos fundacionales y multimodales y su capacidad para integrar imagen, texto y datos clínicos. Finalmente, conocerán las bases para evaluar la fiabilidad de modelos en contextos sanitarios, a gestionar incertidumbre, a conocer las normativas aplicables y a descubrir nuevas modalidades emergentes como la biopsia óptica, los sensores cuánticos y el uso de XR en diagnóstico, planificación y formación médica.
Objectives
Identificar las tareas básicas de análisis de imágenes médicas, comprendiendo la estructura digital de las imágenes y las principales modalidades en el ámbito sanitario. Enseñar cómo anotar imágenes médicas de forma rigurosa y reproducible.
Promover el enfoque data-centric AI, priorizando la calidad y representatividad del dato. Aplicar técnicas para limpiar, homogeneizar y preparar imágenes para IA.
Comprender los fundamentos de redes neuronales profundas en imagen médica y analizar los modelos preentrenados, así como su potencial de generalización biomédica.
Explorar la fusión de imagen, texto y datos clínicos; y evaluar la calidad, robustez y confianza de los modelos en contextos sanitarios.
Introducir tecnologías emergentes que amplían las capacidades diagnósticas y explorar las aplicaciones de realidad aumentada y virtual en diagnóstico, visualización y formación médica.
Learning outcomes and type of achievement
- Comprender la estructura digital de la imagen médica y las principales modalidades de adquisición.
- Identificar las tareas fundamentales de visión por computador aplicadas a salud.
- Comprender y aplicar los fundamentos del deep learning en imagen médica.
- Analizar el papel y las capacidades de los modelos fundacionales en el ámbito biomédico y evaluar la fiabilidad, rendimiento y incertidumbre de modelos de IA médica.
- Conocer nuevas modalidades emergentes como biopsia óptica e imagen cuántica, y explorar aplicaciones de Realidad Extendida (XR) en diagnóstico, visualización y formación sanitaria.
Access prerequisites and admission criteria
Edad requerida entre 25 y 4 años durante el periodo de la actividad.
Level of learning experience according to EQF European Qualifications Framework
Nivel 5
ESCO, European Skills, Competences, Qualifications and Occupations competency frameworks
Trabajar con ordenadores
Acceder a y analizar datos digitales
Uso de técnicas de procesamiento de datos
Evaluation tests
- Written evaluations: 1. Multiple Choice Examinations
- Written evaluations: 3. Brief questions
Activity directed to
- All public
- Ingenieros/as que trabajan en investigación e innovación tecnológica. Ingenieros/as (biomédica, electrónica, software), científicos/as de datos. Con n
Organised by
In collaboration with
Directors
Itziar Cabanes Axpe
Escuela de Ingeniería de Bilbao (UPV/EHU)
Itziar Cabanes Axpe es Catedrática del Departamento Ingeniería de Sistemas y Automática de la Escuela de Ingeniería de Bilbao, Universidad del País Vasco (EHU). Se doctoró en 2001 con “Premio Extraordinario de Doctorado” y actualmente dirige el Grupo de Investigación “Sensorización Virtual Inteligente en Salud e Industria” reconocido como grupo A por el Gobierno Vasco. Sus líneas de investigación se centran en la Robótica Inteligente y Cooperativa, la Sensorización Virtual, y la aplicación de Técnicas Inteligentes en Ingeniería Biomédica y en Procesos de Fabricación. Ha dirigido 16 tesis doctorales (12 terminadas, - 4 en curso). Es autora de más de 200 artículos en revistas científicas indexadas, capítulos de libros y congresos, donde ha sido galardonada con 9 premios a la mejor contribución científica. Ha participado en 70 proyectos de investigación y contratos con empresas, transfiriendo varias de las innovaciones en formato de patentes, modelos de utilidad y registros software. Miembro del Comité de dirección IEEE Robotics & Automation Society Spanish Chapter y del Comité de dirección GT Robótica -Comité Español de Automática. Itziar ha sido calificada de “Excelente” en el Programa Docentiaz del Servicio de Evaluación Docente.
Estivaliz Garrote Contreras
Escuela de Ingenieria de Bilbao
Estíbaliz Garrote es doctora por la EHU con mención internacional, licenciada en Física e ingeniera electrónica. Comenzó su carrera en 1999 en ROBOTIKER en visión artificial, participando en más de 80 proyectos de I+D en procesamiento de imagen. Su doctorado se centró en sistemas neurocientíficos aplicados a IA avanzada. Ha realizado estancias en centros de referencia como el MIT (CBCL, Tomaso Poggio), la Universidad de Cambridge (John Mollon), la Universidad de Newcastle (Anya Hurlbert) y Brown University (Thomas Serre), investigando modelos bioinspirados que han confluido con el Deep Learning, trabajo que ha dado lugar a cuatro patentes europeas. Ha sido profesora invitada en programas internacionales, ha dirigido tesis y colaborado con universidades como Granada, UAB, Cantabria y MIT. Evaluadora europea FET, recibió el premio EARTO en 2014 y galardones como el IEEE Helmholtz Award (2021) y el Mark Everingham Prize (2022). Desde 2023 es profesora en la Escuela de Ingeniería de Bilbao. En 2022 amplió su actividad a sensores cuánticos y actualmente es investigadora principal en Quantum Technologies en TECNALIA, centrada en sistemas de detección y procesado de señal, habiendo completado el máster en ciencia y tecnologías cuánticas
Speakers
Pablo Aguirrezabal Colino
Pablo Aguirrezabal: Licenciado en Ingeniería Informática por la Universidad de Deusto, actualmente cursa un doctorado sobre la estimación de la pose en 6D mediante técnicas de aprendizaje profundo en la Universidad de Navarra. Es investigador senior en la división DIGITAL de Tecnalia, dentro del Visual Core (grupo de visión artificial e interacción 3D). Ha desarrollado y colaborado en diversos proyectos regionales, nacionales y europeos sobre realidad aumentada/mixta, realidad virtual, computación visual, reconstrucción y comprensión de escenas 3D, modelos generativos para 2D/3D, etc., en ámbitos como Industria 4.0, salud, digitalización del sector eléctrico, etc. Gracias a su trabajo en Tecnalia, ha publicado artículos en revistas Q1 y en congresos internacionales, ha impartido diversos cursos y programas de formación, y ha obtenido una patente. Actualmente es también profesor de Tecnologías Inmersivas (XR) en la Universidad EUNEIZ. Antes de incorporarse a TECNALIA, trabajó como investigador en DeustoTech, el instituto de investigación de la Universidad de Deusto, creando soluciones móviles para la eSalud.
Itziar Cabanes Axpe
Escuela de Ingeniería de Bilbao (UPV/EHU)
Itziar Cabanes Axpe es Catedrática del Departamento Ingeniería de Sistemas y Automática de la Escuela de Ingeniería de Bilbao, Universidad del País Vasco (EHU). Se doctoró en 2001 con “Premio Extraordinario de Doctorado” y actualmente dirige el Grupo de Investigación “Sensorización Virtual Inteligente en Salud e Industria” reconocido como grupo A por el Gobierno Vasco. Sus líneas de investigación se centran en la Robótica Inteligente y Cooperativa, la Sensorización Virtual, y la aplicación de Técnicas Inteligentes en Ingeniería Biomédica y en Procesos de Fabricación. Ha dirigido 16 tesis doctorales (12 terminadas, - 4 en curso). Es autora de más de 200 artículos en revistas científicas indexadas, capítulos de libros y congresos, donde ha sido galardonada con 9 premios a la mejor contribución científica. Ha participado en 70 proyectos de investigación y contratos con empresas, transfiriendo varias de las innovaciones en formato de patentes, modelos de utilidad y registros software. Miembro del Comité de dirección IEEE Robotics & Automation Society Spanish Chapter y del Comité de dirección GT Robótica -Comité Español de Automática. Itziar ha sido calificada de “Excelente” en el Programa Docentiaz del Servicio de Evaluación Docente.
Adrian Galdran
Adrian Galdran es investigador Ramón y Cajal, Ikerbasque Research Fellow e investigador principal en Tecnalia, donde trabaja en visión por computador biomédica. Su investigación se centra en el aprendizaje profundo a gran escala para problemas clínicamente relevantes en el análisis de imagen médica. Cuenta con más de diez años de experiencia investigadora posdoctoral en varias instituciones internacionales, desarrollando métodos de IA en estrecha colaboración con investigadores biomédicos y clínicos, con especial atención a la segmentación, la imagen multimodal y el análisis fiable de imágenes para aplicaciones sanitarias.
Estivaliz Garrote Contreras
Escuela de Ingenieria de Bilbao
Estíbaliz Garrote es doctora por la EHU con mención internacional, licenciada en Física e ingeniera electrónica. Comenzó su carrera en 1999 en ROBOTIKER en visión artificial, participando en más de 80 proyectos de I+D en procesamiento de imagen. Su doctorado se centró en sistemas neurocientíficos aplicados a IA avanzada. Ha realizado estancias en centros de referencia como el MIT (CBCL, Tomaso Poggio), la Universidad de Cambridge (John Mollon), la Universidad de Newcastle (Anya Hurlbert) y Brown University (Thomas Serre), investigando modelos bioinspirados que han confluido con el Deep Learning, trabajo que ha dado lugar a cuatro patentes europeas. Ha sido profesora invitada en programas internacionales, ha dirigido tesis y colaborado con universidades como Granada, UAB, Cantabria y MIT. Evaluadora europea FET, recibió el premio EARTO en 2014 y galardones como el IEEE Helmholtz Award (2021) y el Mark Everingham Prize (2022). Desde 2023 es profesora en la Escuela de Ingeniería de Bilbao. En 2022 amplió su actividad a sensores cuánticos y actualmente es investigadora principal en Quantum Technologies en TECNALIA, centrada en sistemas de detección y procesado de señal, habiendo completado el máster en ciencia y tecnologías cuánticas
Cristina Lopez
Cristina López, PhD, es experta en visión por computador e imagen médica. Ingeniera Informática, con Máster en Ingeniería de Sistemas y Control, y doctora por la Universidad de Cantabria, lidera la plataforma Core Visual en la Unidad Digital de Tecnalia. Con amplia trayectoria en proyectos europeos y nacionales en el ámbito de la bioingeniería y la salud, su investigación se centra en la aplicación de técnicas fotónicas de imagen no invasivas para el análisis de lesiones mediante visión por computador, con el objetivo de desarrollar el concepto de biopsia óptica.
Registration fees
If the microcredential has already started there will be no refund of the enrolment fee.
| Registration | Until 13-05-2026 |
|---|---|
| 55,72 EUR |
| Insurance | Until 13-05-2026 |
|---|---|
| 4,00 EUR |
Venue
Online
Online
Sustainable development goals
Agenda 2030 is the new international development agenda approved in September 2015 by the United Nations. This agenda aims to be an instrument to favour sustainable human development all over the planet, and its main pillars are the eradication of poverty, a reduction in equality and vulnerability and fostering sustainability. It is a unique opportunity to transform the world up to 2030 and guarantee human rights for all.
3 - Good health and well-being
Guarantee a healthy life and foster the well-being of all people of all ages. Key issues: universal healthcare coverage, sexual and reproductive health, reduction in the number of road accident casualties, pollution and chemical products, reduction in maternal and neonatal mortality, the end of epidemics such as AIDS, combating hepatitis and other water-borne diseases, drug and alcohol prevention, control of tobacco.
More information
4 - Quality education
Guarantee quality education that is inclusive and equitable and foster opportunities for lifelong learning for everyone. Key issues: free-of-charge, equitable and quality education, access to higher education and training on an equal basis, education for sustainable development, suitable education centres for persons with disabilities, and safe, non-violent and efficient learning environments.
More information
8 - Decent work and economic growth
Foster sustained, inclusive and sustainable economic growth, full and productive employment and decent work for everyone. Key issues: decent work, full and productive employment, entrepreneurship, fostering micro-companies and SMEs, employment rights, safe working environments, youth employment, equal opportunities and pay, strengthening of financial institutions, and breaking the link between economic growth and the degradation of the environment.
More information
9 - Industry, innovation and infrastructure
Build resilient infrastructures, promote inclusive and sustainable industrialisation and foster innovation. Key issues: reliable, sustainable, resilient and quality infrastructures, inclusive and sustainable industrialisation, modernisation, clean and environmentally rational industrial technologies and processes, scientific research and improvement of technological capabilities, universal access to ICTs.
More information
Other courses that might be of your interest...
-
Online
-
Streaming
-
Online
-
Online
-
Streaming
-
Face-to-face