¡Otro fascinante capítulo del Seminario de Inteligencia Artificial y Ciencia de Datos!
En su valiosa presentación el Dr. Enzo Ferrante abordó los avances en redes de segmentación profunda aplicadas a imágenes médicas, destacando métodos para mejorar la plausibilidad anatómica y asegurar que las segmentaciones reflejen la forma y apariencia reales de los órganos. Además, exploró cómo integrar autoencoders en modelos de aprendizaje profundo para representar estructuras anatómicas y debatió estrategias para enfrentar sesgos en los modelos relacionados con género, edad y etnia. También se presentó la base de datos CheXMask, junto con métodos para control automático de calidad y detección de sesgos sin anotaciones de referencia.
Sobre el orador
El Dr. Enzo Ferrante completó su doctorado en Ciencias de la Computación en la Université Paris-Saclay (Francia) e INRIA, con experiencias internacionales como investigador postdoctoral en el Imperial College London, Fulbright Scholar en Harvard Medical School y profesor invitado en la Université Paris-Saclay. Ha recibido prestigiosos premios, como el Premio Mercosur de Ciencia y Tecnología (2020) y el Google Award for Inclusion Research (2022).
Actualmente, es Investigador Adjunto del CONICET y referente en inteligencia artificial aplicada a imágenes biomédicas, con intereses en equidad, generalización de dominios, segmentación anatómica y calibración. Es también profesor en la Maestría en Ciencia de Datos de UDESA y la Maestría en Management + Analytics de la Universidad Torcuato Di Tella.