Generación de imágenes faciales UV utilizando redes generativas

Autores
Toledo Margalef, Pablo Adrian; Navarro, Jose Pablo; Hünemeier, Tábita; Pereira, Alexandre; Gonzalez-Jose, Rolando; Delrieux, Claudio Augusto
Año de publicación
2023
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La detección temprana, el diagnóstico y el tratamiento de enfermedadescutáneas es de importancia médica tanto para el paciente como para elsistema de salud. En este sentido, las imágenes UV son una herramientavaliosa para detectar melanomas y otras afecciones. Sin embargo, estetipo de imágenes presentan algunos retos tanto en disponibilidad comoen procesamiento. Por este motivo desarrollamos una solución utilizandoredes neuronales generativas, permitiendo generar imágenes UV del rostroa partir de fotografías convencionales. Contamos con un conjunto deimágenes hiperespectrales capturadas con VISIA Skin Analysis tomadas comocontinuación del “Baependi Heart Study”, un estudio longitudinal realizadopara estudiar las influencias genéticas y ambientales de los factores de riesgocardiovascular en una porción de la población de Brasil.Además, el estudio reporta variables de estilo de vida junto con datosgenómicos. Para entrenar nuestro modelo utilizamos imágenes del rostrode 816 individuos (465 mujeres, 351 varones) estructurados de 100 familias.Las muestras UV generadas por nuestro modelo fueron comparadas contralas imágenes UV reales presentes en el dataset y contra otras metodologíasdiferentes que buscan resolver temáticas similares. A su vez, se evaluó elrendimiento de nuestro modelo al generar muestras que presentan distintastonalidades de piel medidas acorde al Individual Typology Angle (ITA).En próximos trabajos se explorarán relaciones entre la información presenteen las fotografías y los datos genómicos reportados por el estudio.
Fil: Toledo Margalef, Pablo Adrian. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina. Ministerio de Ciencia, Tecnología e Innovación. Secretaría de Planeamiento y Políticas. Programa de Referencia y Biobanco Genómico de la Población Argentina; Argentina
Fil: Navarro, Jose Pablo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina. Ministerio de Ciencia, Tecnología e Innovación. Secretaría de Planeamiento y Políticas. Programa de Referencia y Biobanco Genómico de la Población Argentina; Argentina
Fil: Hünemeier, Tábita. Universidade de Sao Paulo; Brasil
Fil: Pereira, Alexandre. Universidade de Sao Paulo; Brasil. Harvard Medical School; Estados Unidos
Fil: Gonzalez-Jose, Rolando. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina. Ministerio de Ciencia, Tecnología e Innovación. Secretaría de Planeamiento y Políticas. Programa de Referencia y Biobanco Genómico de la Población Argentina; Argentina
Fil: Delrieux, Claudio Augusto. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional del Sur. Departamento de Ingeniería Eléctrica y de Computadoras. Laboratorio de Ciencias de Las Imágenes; Argentina
XVI Jornadas Nacionales de Antropología Biológica
La Plata
Argentina
Asociación Antropología Biológica Argentina
Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Antropología de Córdoba
Universidad Nacional de Córdoba. Facultad de Filosofía y Humanidades. Museo de Antropología
Materia
IMÁGENES MÉDICAS
MACHINE LEARNING
GENETICA CUANTITATIVA
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/262321

id CONICETDig_a1ed7be44c5730472ed31ac2f95f0d70
oai_identifier_str oai:ri.conicet.gov.ar:11336/262321
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Generación de imágenes faciales UV utilizando redes generativasToledo Margalef, Pablo AdrianNavarro, Jose PabloHünemeier, TábitaPereira, AlexandreGonzalez-Jose, RolandoDelrieux, Claudio AugustoIMÁGENES MÉDICASMACHINE LEARNINGGENETICA CUANTITATIVAhttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1La detección temprana, el diagnóstico y el tratamiento de enfermedadescutáneas es de importancia médica tanto para el paciente como para elsistema de salud. En este sentido, las imágenes UV son una herramientavaliosa para detectar melanomas y otras afecciones. Sin embargo, estetipo de imágenes presentan algunos retos tanto en disponibilidad comoen procesamiento. Por este motivo desarrollamos una solución utilizandoredes neuronales generativas, permitiendo generar imágenes UV del rostroa partir de fotografías convencionales. Contamos con un conjunto deimágenes hiperespectrales capturadas con VISIA Skin Analysis tomadas comocontinuación del “Baependi Heart Study”, un estudio longitudinal realizadopara estudiar las influencias genéticas y ambientales de los factores de riesgocardiovascular en una porción de la población de Brasil.Además, el estudio reporta variables de estilo de vida junto con datosgenómicos. Para entrenar nuestro modelo utilizamos imágenes del rostrode 816 individuos (465 mujeres, 351 varones) estructurados de 100 familias.Las muestras UV generadas por nuestro modelo fueron comparadas contralas imágenes UV reales presentes en el dataset y contra otras metodologíasdiferentes que buscan resolver temáticas similares. A su vez, se evaluó elrendimiento de nuestro modelo al generar muestras que presentan distintastonalidades de piel medidas acorde al Individual Typology Angle (ITA).En próximos trabajos se explorarán relaciones entre la información presenteen las fotografías y los datos genómicos reportados por el estudio.Fil: Toledo Margalef, Pablo Adrian. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina. Ministerio de Ciencia, Tecnología e Innovación. Secretaría de Planeamiento y Políticas. Programa de Referencia y Biobanco Genómico de la Población Argentina; ArgentinaFil: Navarro, Jose Pablo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina. Ministerio de Ciencia, Tecnología e Innovación. Secretaría de Planeamiento y Políticas. Programa de Referencia y Biobanco Genómico de la Población Argentina; ArgentinaFil: Hünemeier, Tábita. Universidade de Sao Paulo; BrasilFil: Pereira, Alexandre. Universidade de Sao Paulo; Brasil. Harvard Medical School; Estados UnidosFil: Gonzalez-Jose, Rolando. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina. Ministerio de Ciencia, Tecnología e Innovación. Secretaría de Planeamiento y Políticas. Programa de Referencia y Biobanco Genómico de la Población Argentina; ArgentinaFil: Delrieux, Claudio Augusto. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional del Sur. Departamento de Ingeniería Eléctrica y de Computadoras. Laboratorio de Ciencias de Las Imágenes; ArgentinaXVI Jornadas Nacionales de Antropología BiológicaLa PlataArgentinaAsociación Antropología Biológica ArgentinaConsejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Antropología de CórdobaUniversidad Nacional de Córdoba. Facultad de Filosofía y Humanidades. Museo de AntropologíaAsociación de Antropología Biológica Argentina2023info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/conferenceObjectJornadaBookhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/262321Generación de imágenes faciales UV utilizando redes generativas; XVI Jornadas Nacionales de Antropología Biológica; La Plata; Argentina; 2023; 226-227978-987-27445-6-4CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://blogs.ffyh.unc.edu.ar/antropologiabiologica/files/2023/11/LIBRO-DE-RESUMENES-XVI-jornadas-bioantropologia.pdfNacionalinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T09:44:38Zoai:ri.conicet.gov.ar:11336/262321instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 09:44:38.781CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Generación de imágenes faciales UV utilizando redes generativas
title Generación de imágenes faciales UV utilizando redes generativas
spellingShingle Generación de imágenes faciales UV utilizando redes generativas
Toledo Margalef, Pablo Adrian
IMÁGENES MÉDICAS
MACHINE LEARNING
GENETICA CUANTITATIVA
title_short Generación de imágenes faciales UV utilizando redes generativas
title_full Generación de imágenes faciales UV utilizando redes generativas
title_fullStr Generación de imágenes faciales UV utilizando redes generativas
title_full_unstemmed Generación de imágenes faciales UV utilizando redes generativas
title_sort Generación de imágenes faciales UV utilizando redes generativas
dc.creator.none.fl_str_mv Toledo Margalef, Pablo Adrian
Navarro, Jose Pablo
Hünemeier, Tábita
Pereira, Alexandre
Gonzalez-Jose, Rolando
Delrieux, Claudio Augusto
author Toledo Margalef, Pablo Adrian
author_facet Toledo Margalef, Pablo Adrian
Navarro, Jose Pablo
Hünemeier, Tábita
Pereira, Alexandre
Gonzalez-Jose, Rolando
Delrieux, Claudio Augusto
author_role author
author2 Navarro, Jose Pablo
Hünemeier, Tábita
Pereira, Alexandre
Gonzalez-Jose, Rolando
Delrieux, Claudio Augusto
author2_role author
author
author
author
author
dc.subject.none.fl_str_mv IMÁGENES MÉDICAS
MACHINE LEARNING
GENETICA CUANTITATIVA
topic IMÁGENES MÉDICAS
MACHINE LEARNING
GENETICA CUANTITATIVA
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv La detección temprana, el diagnóstico y el tratamiento de enfermedadescutáneas es de importancia médica tanto para el paciente como para elsistema de salud. En este sentido, las imágenes UV son una herramientavaliosa para detectar melanomas y otras afecciones. Sin embargo, estetipo de imágenes presentan algunos retos tanto en disponibilidad comoen procesamiento. Por este motivo desarrollamos una solución utilizandoredes neuronales generativas, permitiendo generar imágenes UV del rostroa partir de fotografías convencionales. Contamos con un conjunto deimágenes hiperespectrales capturadas con VISIA Skin Analysis tomadas comocontinuación del “Baependi Heart Study”, un estudio longitudinal realizadopara estudiar las influencias genéticas y ambientales de los factores de riesgocardiovascular en una porción de la población de Brasil.Además, el estudio reporta variables de estilo de vida junto con datosgenómicos. Para entrenar nuestro modelo utilizamos imágenes del rostrode 816 individuos (465 mujeres, 351 varones) estructurados de 100 familias.Las muestras UV generadas por nuestro modelo fueron comparadas contralas imágenes UV reales presentes en el dataset y contra otras metodologíasdiferentes que buscan resolver temáticas similares. A su vez, se evaluó elrendimiento de nuestro modelo al generar muestras que presentan distintastonalidades de piel medidas acorde al Individual Typology Angle (ITA).En próximos trabajos se explorarán relaciones entre la información presenteen las fotografías y los datos genómicos reportados por el estudio.
Fil: Toledo Margalef, Pablo Adrian. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina. Ministerio de Ciencia, Tecnología e Innovación. Secretaría de Planeamiento y Políticas. Programa de Referencia y Biobanco Genómico de la Población Argentina; Argentina
Fil: Navarro, Jose Pablo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina. Ministerio de Ciencia, Tecnología e Innovación. Secretaría de Planeamiento y Políticas. Programa de Referencia y Biobanco Genómico de la Población Argentina; Argentina
Fil: Hünemeier, Tábita. Universidade de Sao Paulo; Brasil
Fil: Pereira, Alexandre. Universidade de Sao Paulo; Brasil. Harvard Medical School; Estados Unidos
Fil: Gonzalez-Jose, Rolando. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina. Ministerio de Ciencia, Tecnología e Innovación. Secretaría de Planeamiento y Políticas. Programa de Referencia y Biobanco Genómico de la Población Argentina; Argentina
Fil: Delrieux, Claudio Augusto. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional del Sur. Departamento de Ingeniería Eléctrica y de Computadoras. Laboratorio de Ciencias de Las Imágenes; Argentina
XVI Jornadas Nacionales de Antropología Biológica
La Plata
Argentina
Asociación Antropología Biológica Argentina
Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto de Antropología de Córdoba
Universidad Nacional de Córdoba. Facultad de Filosofía y Humanidades. Museo de Antropología
description La detección temprana, el diagnóstico y el tratamiento de enfermedadescutáneas es de importancia médica tanto para el paciente como para elsistema de salud. En este sentido, las imágenes UV son una herramientavaliosa para detectar melanomas y otras afecciones. Sin embargo, estetipo de imágenes presentan algunos retos tanto en disponibilidad comoen procesamiento. Por este motivo desarrollamos una solución utilizandoredes neuronales generativas, permitiendo generar imágenes UV del rostroa partir de fotografías convencionales. Contamos con un conjunto deimágenes hiperespectrales capturadas con VISIA Skin Analysis tomadas comocontinuación del “Baependi Heart Study”, un estudio longitudinal realizadopara estudiar las influencias genéticas y ambientales de los factores de riesgocardiovascular en una porción de la población de Brasil.Además, el estudio reporta variables de estilo de vida junto con datosgenómicos. Para entrenar nuestro modelo utilizamos imágenes del rostrode 816 individuos (465 mujeres, 351 varones) estructurados de 100 familias.Las muestras UV generadas por nuestro modelo fueron comparadas contralas imágenes UV reales presentes en el dataset y contra otras metodologíasdiferentes que buscan resolver temáticas similares. A su vez, se evaluó elrendimiento de nuestro modelo al generar muestras que presentan distintastonalidades de piel medidas acorde al Individual Typology Angle (ITA).En próximos trabajos se explorarán relaciones entre la información presenteen las fotografías y los datos genómicos reportados por el estudio.
publishDate 2023
dc.date.none.fl_str_mv 2023
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/conferenceObject
Jornada
Book
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
status_str publishedVersion
format conferenceObject
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/262321
Generación de imágenes faciales UV utilizando redes generativas; XVI Jornadas Nacionales de Antropología Biológica; La Plata; Argentina; 2023; 226-227
978-987-27445-6-4
CONICET Digital
CONICET
url http://hdl.handle.net/11336/262321
identifier_str_mv Generación de imágenes faciales UV utilizando redes generativas; XVI Jornadas Nacionales de Antropología Biológica; La Plata; Argentina; 2023; 226-227
978-987-27445-6-4
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://blogs.ffyh.unc.edu.ar/antropologiabiologica/files/2023/11/LIBRO-DE-RESUMENES-XVI-jornadas-bioantropologia.pdf
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
dc.coverage.none.fl_str_mv Nacional
dc.publisher.none.fl_str_mv Asociación de Antropología Biológica Argentina
publisher.none.fl_str_mv Asociación de Antropología Biológica Argentina
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1844613405124591616
score 13.070432