Un trabajo llevado a cabo por investigadores del grupo VISILAB de la Escuela Técnica Superior de Ingeniería Industrial de la Universidad de Castilla-La Mancha (UCLM) ha presentado un método en el cual se propone que a través de técnicas de inteligencia artificial se puede mejorar la precisión ante la ausencia de grandes bases de datos en campos como la Medicina o la Biología.
Los últimos avances en las técnicas de inteligencia artificial están haciendo posibles cosas que antes sólo se veían en las películas, como por ejemplo coches que conducen solos, cámaras de vigilancia que alertan de personas armadas o programas que examinan nuestras radiografías y nos dicen si padecemos alguna enfermedad.
A pesar de que se han conseguido automatizar tareas difíciles, las técnicas actuales requieren grandes bases de datos de las que aprender. Para una persona es fácil aprender qué es, por ejemplo, una silla viendo dos o tres, pero para que un computador aprenda lo mismo, necesita ver fotos de miles de sillas diferentes y que alguien le “dé clases” y enseñe que eso son sillas.
En muchos casos no es posible conseguir recopilar bases de datos con miles de imágenes de cada cosa que el método a desarrollar necesita conocer, bien porque las imágenes sean difíciles de obtener o bien porque se necesite que un experto pase mucho tiempo etiquetándolas. Ahora, un trabajo desarrollado por investigadores del grupo de investigación VISILAB, de la Escuela Técnica Superior de Ingeniería Industrial de la Universidad de Castilla-La Mancha en el Campus de Ciudad Real, y publicado en la revista Computer Methods and Programs in Biomedicine, ha propuesto un método para generar nuevas imágenes mezclando dos de las que ya se disponga en una base de datos pequeña.
El método desarrollado en este trabajo por los investigadores responsables, Noelia Vállez Enano, Gloria Bueno García y Óscar Déniz Suárez, miembros del grupo VISILAB y profesores de la Escuela Técnica Superior de Ingeniería Industrial; y Saúl Blanco Lanza, del Instituto de Medio Ambiente, Recursos Naturales y Biodiversidad de la Universidad de León, está inspirado en el ciclo de vida que siguen las diatomeas, algas microscópicas que se encuentran en ríos y mares. Así, y siguiendo con el ejemplo inicial de las sillas, la investigadora Vállez explica que “sería como tomar dos imágenes que sabemos que contienen sillas y mezclarlas para obtener una silla de un tamaño y una forma intermedia”.
El trabajo muestra que cuando se utilizan bases de datos aumentadas con el método propuesto basado en el morphing y el registro de imágenes, los resultados obtenidos por las técnicas de inteligencia artificial muestran una clara mejora en la precisión. La mejora se midió en distintas bases de datos relacionadas con la Medicina y la Biología para demostrar su aplicabilidad en distintos campos y problemas.
