Broncoscopías asistidas por IA en unidades de terapia intensiva : Desarrollo de un corpus y una aplicación para la identificación de posiciones anatómicas

Autores
Tarsia, Luciano; Mastropasqua, Nicolás; Carboni Bisso, Indalecio; Las Heras, Marcos; Burgos, Valeria; Risk, Marcelo; Courtois, María Florencia; Fernández Ceballos, Ignacio; Lockhart, Carolina; Acevedo, Daniel; Cotik, Viviana
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Este trabajo busca crear un modelo de inteligencia artificial capaz de identificar precisamente segmentos bronquiales durante navegaciones bronco-endoscópicas. Para esto, se analizaron 126 videos de broncoscopías llevados a cabo en pacientes en estado crítico en un hospital universitario en Buenos Aires, Argentina.Se presenta una dataset de videos anotados consistentemente, capturados por broncoscopistas de diversa experiencia. Se evaluó el acuerdo entre anotadores para la clasificación de imágenes usando el coeficiente kappa de Cohen. Imágenes de múltiples segmentos bronquiales fueron utilizadas para entrenar una red neuronal convolucional como modelo de clasificación.Este artículo presenta el esquema de anotación, las reglas de etiquetado, el corpus presentado y algunos resultados preliminares.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
neural networks
data annotation
bronchoscopy videos
neural networks
data annotation
bronchoscopy videos
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/190463
Acceder
id SEDICI_3f99403e30577af004c30816034a25ef
oai_identifier_str oai:sedici.unlp.edu.ar:10915/190463
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Broncoscopías asistidas por IA en unidades de terapia intensiva : Desarrollo de un corpus y una aplicación para la identificación de posiciones anatómicasTarsia, LucianoMastropasqua, NicolásCarboni Bisso, IndalecioLas Heras, MarcosBurgos, ValeriaRisk, MarceloCourtois, María FlorenciaFernández Ceballos, IgnacioLockhart, CarolinaAcevedo, DanielCotik, VivianaCiencias Informáticasneural networksdata annotationbronchoscopy videosneural networksdata annotationbronchoscopy videosEste trabajo busca crear un modelo de inteligencia artificial capaz de identificar precisamente segmentos bronquiales durante navegaciones bronco-endoscópicas. Para esto, se analizaron 126 videos de broncoscopías llevados a cabo en pacientes en estado crítico en un hospital universitario en Buenos Aires, Argentina.Se presenta una dataset de videos anotados consistentemente, capturados por broncoscopistas de diversa experiencia. Se evaluó el acuerdo entre anotadores para la clasificación de imágenes usando el coeficiente kappa de Cohen. Imágenes de múltiples segmentos bronquiales fueron utilizadas para entrenar una red neuronal convolucional como modelo de clasificación.Este artículo presenta el esquema de anotación, las reglas de etiquetado, el corpus presentado y algunos resultados preliminares.Sociedad Argentina de Informática e Investigación Operativa2025-08info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionResumenhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf57http://sedici.unlp.edu.ar/handle/10915/190463spainfo:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/19568info:eu-repo/semantics/altIdentifier/issn/2451-7496info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-04-15T11:58:28Zoai:sedici.unlp.edu.ar:10915/190463Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-04-15 11:58:29.293SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Broncoscopías asistidas por IA en unidades de terapia intensiva : Desarrollo de un corpus y una aplicación para la identificación de posiciones anatómicas
title Broncoscopías asistidas por IA en unidades de terapia intensiva : Desarrollo de un corpus y una aplicación para la identificación de posiciones anatómicas
spellingShingle Broncoscopías asistidas por IA en unidades de terapia intensiva : Desarrollo de un corpus y una aplicación para la identificación de posiciones anatómicas
Tarsia, Luciano
Ciencias Informáticas
neural networks
data annotation
bronchoscopy videos
neural networks
data annotation
bronchoscopy videos
title_short Broncoscopías asistidas por IA en unidades de terapia intensiva : Desarrollo de un corpus y una aplicación para la identificación de posiciones anatómicas
title_full Broncoscopías asistidas por IA en unidades de terapia intensiva : Desarrollo de un corpus y una aplicación para la identificación de posiciones anatómicas
title_fullStr Broncoscopías asistidas por IA en unidades de terapia intensiva : Desarrollo de un corpus y una aplicación para la identificación de posiciones anatómicas
title_full_unstemmed Broncoscopías asistidas por IA en unidades de terapia intensiva : Desarrollo de un corpus y una aplicación para la identificación de posiciones anatómicas
title_sort Broncoscopías asistidas por IA en unidades de terapia intensiva : Desarrollo de un corpus y una aplicación para la identificación de posiciones anatómicas
dc.creator.none.fl_str_mv Tarsia, Luciano
Mastropasqua, Nicolás
Carboni Bisso, Indalecio
Las Heras, Marcos
Burgos, Valeria
Risk, Marcelo
Courtois, María Florencia
Fernández Ceballos, Ignacio
Lockhart, Carolina
Acevedo, Daniel
Cotik, Viviana
author Tarsia, Luciano
author_facet Tarsia, Luciano
Mastropasqua, Nicolás
Carboni Bisso, Indalecio
Las Heras, Marcos
Burgos, Valeria
Risk, Marcelo
Courtois, María Florencia
Fernández Ceballos, Ignacio
Lockhart, Carolina
Acevedo, Daniel
Cotik, Viviana
author_role author
author2 Mastropasqua, Nicolás
Carboni Bisso, Indalecio
Las Heras, Marcos
Burgos, Valeria
Risk, Marcelo
Courtois, María Florencia
Fernández Ceballos, Ignacio
Lockhart, Carolina
Acevedo, Daniel
Cotik, Viviana
author2_role author
author
author
author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
neural networks
data annotation
bronchoscopy videos
neural networks
data annotation
bronchoscopy videos
topic Ciencias Informáticas
neural networks
data annotation
bronchoscopy videos
neural networks
data annotation
bronchoscopy videos
dc.description.none.fl_txt_mv Este trabajo busca crear un modelo de inteligencia artificial capaz de identificar precisamente segmentos bronquiales durante navegaciones bronco-endoscópicas. Para esto, se analizaron 126 videos de broncoscopías llevados a cabo en pacientes en estado crítico en un hospital universitario en Buenos Aires, Argentina.Se presenta una dataset de videos anotados consistentemente, capturados por broncoscopistas de diversa experiencia. Se evaluó el acuerdo entre anotadores para la clasificación de imágenes usando el coeficiente kappa de Cohen. Imágenes de múltiples segmentos bronquiales fueron utilizadas para entrenar una red neuronal convolucional como modelo de clasificación.Este artículo presenta el esquema de anotación, las reglas de etiquetado, el corpus presentado y algunos resultados preliminares.
Sociedad Argentina de Informática e Investigación Operativa
description Este trabajo busca crear un modelo de inteligencia artificial capaz de identificar precisamente segmentos bronquiales durante navegaciones bronco-endoscópicas. Para esto, se analizaron 126 videos de broncoscopías llevados a cabo en pacientes en estado crítico en un hospital universitario en Buenos Aires, Argentina.Se presenta una dataset de videos anotados consistentemente, capturados por broncoscopistas de diversa experiencia. Se evaluó el acuerdo entre anotadores para la clasificación de imágenes usando el coeficiente kappa de Cohen. Imágenes de múltiples segmentos bronquiales fueron utilizadas para entrenar una red neuronal convolucional como modelo de clasificación.Este artículo presenta el esquema de anotación, las reglas de etiquetado, el corpus presentado y algunos resultados preliminares.
publishDate 2025
dc.date.none.fl_str_mv 2025-08
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Resumen
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/190463
url http://sedici.unlp.edu.ar/handle/10915/190463
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/19568
info:eu-repo/semantics/altIdentifier/issn/2451-7496
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
57
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1862569407994134528
score 13.203462

Publicaciones similares