UNIDAD 3 - TAREA 4 - DETERMINAR LAS TENDENCIAS TECNOLÓGICAS EN
TELERADIOLOGÍA
PRESENTADO POR:
CESAR A. GONZALEZ LOZANO
GRUPO
154022_7
TUTOR:
LUIS ALFREDO JIMÉNEZ
TECNOLOGÍA EN RADIOLOGÍA E IMÁGENES DIAGNOSTICA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
ESCUELA DE CIENCIAS DE LA SALUD (ECISA)
FUNDAMENTOS DE TELERADIOLOGÍA
MAYO 09-2021
INTRODUCCION
la inteligencia artificial juega un papel importante en el sustento de la telemedicina, la
teleradiología, el telediagnóstico y la telegestión están ubicadas en la inteligencia artificial,
tecnología la cual modifica la forma la cual los profesionales se emparejan medico
pacientes, y a la ves de vía libre para maximizar la eficiencia en la gestión de los recursos.
Cabe resaltar que permite automatizar e incluso excluir tareas rutinarias y de poco valor,
que le dan pasó a una conexión más profunda con los pacientes. También se vuelve una
aliada relevante en la planificación de los tratamientos y el análisis y clasificación de las
imágenes, entre otras tareas específicas.
OBJETIVOS
General:
Reconocer las nuevas tendencias de la teleradiología que optimizan su práctica a través
de la innovación tecnológica y generar estrategias comerciales para el servicio
Específicos:
Identificar y describir tendencia tecnológica para Teleradiología
Realizar presentación en herramienta digital.
Realizar video presentación de la tecnología comprendida.
.
PRESNTACION VIDEO
LINK: https://www.youtube.com/watch?
v=_CuOlYZJpew&ab_channel=cesargonzalezgonzalezlozano
DEEP LEARNING: Es un tipo de Machine Learning en el que el proceso de aprendizaje de
la máquina no requiere de supervisión humana, construyendo por sí misma el conjunto de
características para hacer la clasificación y poder posteriormente tomar una decisión
respecto a una entrada de datos.
Referencia Mojica G. Paola. Cuéllar, Sergio. & Medina, Claudia. (2018). Una propuesta
comercial de la teleradiología para el sector Salud colombiano Recuperado de:
https://www.sic.gov.co/sites/default/files/files/Propiedad
%20Industrial/Boletines_Tecnologicos/Boletin_Telerradiologia.pdf pag 48
Referencia: MinTic, Colombia. Centro de Innovación Pública Digital. (Consultado en
http://centrodeinnovacion.mintic.gov.co/es/blogs/tecnologias-emergentes)
Deep learning es el subconjunto del aprendizaje automático la cual está conformado por
redes neuronales artificiales, algoritmos que se encuentran inspirados en el cerebro humano,
los cuales se alimentan de grandes cantidades de datos.
El encéfalo humano está conformado por distintos núcleos de redes neuronales que tienen
características de percepción y respuesta muy específicas, significa que cada red se
especializa en tareas especiales y diferentes a las otras redes, esto quiere decir que;
La percepción de un olor y la respuesta de agrado o desagrado a dicho olor; la percepción de
un sonido y el paso de ese sonido a sensaciones.
Lo anterior traducido en Inteligencia Artificial podríamos ver que los modelos
computacionales de Deep Learning son la imitación de esas características arquitecturales
del sistema nervioso humano, lo que permite que cada red neuronal construida de forma
artificial esté entrenada para tareas especiales.
Fuente: https://iaarbook.github.io/inteligencia-artificial/
El área de la inteligencia artificial es básicamente, cuando las máquinas pueden realizar
tareas que generalmente requieren de inteligencia humana. Abarca el aprendizaje
automático, donde las máquinas pueden aprender por experiencia y adquirir habilidades sin
la participación de los humanos.
POR QUÉ RECIBE EL NOMBRE DE APRENDIZAJE PROFUNDO O DEEP
LEARNING?
La manera como funciona en el cerebro humano está compuesta por redes neuronales las
cuales reciben la información recibida del exterior que pasan a través de un número grande
de capas antes de convertirse en una respuesta.
Fuente: https://www.smartpanel.com/que-es-deep-learning/
Deep Learning es la unión de algoritmos no lineales que permiten aplicarse para la
modelización de los datos y el reconocimiento de patrones, cuando se habla de una forma no
lineal esto quiere decir que las fibras que componen las redes neuronales artificiales se
apilan en una grado que va desde las características de nivel de abstracción bajo hasta las de
nivel de abstracción más compleja.
La manera en la que funciona el Deep Learning es utilizando estas cascadas de capas con
elementos de procesamiento que admiten la extracción y transformación de variables, la red,
dentro de su nivel jerárquico, aplica una evolución en su capa de entrada y aplica esa
información de aprendizaje para crear un modelo estadístico de salida que repite las veces
suficientes hasta llegar a lograr un nivel de precisión en el aprendizaje y respuesta
aceptable.
Deep learning a lo largo de los días ha mostrado grandes resultados en las actividades
difíciles como reconocer objetos de una imagen, comprender el habla y los idiomas y, por
supuesto, jugar juegos de mesa. A nivel mundial muchas personas inteligentes han estado
trabajando en ello durante décadas las cuales son absolutamente de última generación.
Un punto importante es que se trata de un aprendizaje por niveles lo cual indica que cada
vez que se construyen redes neuronales más grandes y se alimentan con más y más datos, su
rendimiento continúa aumentando. Lo cual esto lo hace diferente con respecto a otras
técnicas de aprendizaje automático que logran llegar a una meseta en el rendimiento.
Deep learning permite a las máquinas solucionar dificultades complejas e incluso cuando se
aplican en un conjunto de datos diversos, no estructurados e interconectados, uanto más
aprenden los algoritmos de aprendizaje profundo, mejor se desempeñan.
Cabe resaltar que la escalabilidad, otro beneficio a menudo citado de los modelos del Deep
learning es su capacidad para realizar la extracción automática de características de los
datos sin procesar, también llamado aprendizaje de características.
Las funciones de aprendizaje automático en múltiples niveles de abstracción permiten que
un sistema aprenda funciones difíciles que mapean la entrada a la salida directamente de
los datos, sin depender completamente de las características creadas por el hombre.
Ejemplos donde se aplica el Deep learning
Traducciones
Los algoritmos de Deep learning usan conjuntos de datos masivos de oraciones para
entrenar un modelo capaz de traducir automáticamente entre idiomas.
Fuente:https://www.20minutos.es/noticia/4426400/0/lista-mejores-traductores-online-
mundo/
Asistentes virtuales
Ya sea Alexa o Siri o Cortana, los asistentes virtuales de los proveedores de servicios en
línea utilizan el Deep learning para ayudar a comprender su discurso y el lenguaje que los
humanos usan cuando interactúan con ellos.
Fuente: https://domotizados.co/asistentes-digitales-tomando-el-control/
Chatbots y bots de servicio
Los chatbots y los bots de servicio se han convertido en una herramienta útil para muchas
empresas (aunque algunas la desaprovechan pidiendo solo el nombre y el email sin generar
conversación). Es una oportunidad para responder a una cantidad de preguntas auditivas y
de texto gracias al aprendizaje de Deep learning.
Fuente: https://www.grupoftp.com/noticias/el-futuro-de-los-chatbots/
Reconocimiento facial
El Deep learning se está utilizando para el reconocimiento facial no solo con fines de
seguridad, sino también para etiquetar a las personas en las publicaciones de Facebook y, es
posible, que en un futuro cercano podamos pagar los artículos en una tienda simplemente
usando nuestras caras.
Fuente: https://compromiso.atresmedia.com/levanta-la-cabeza/actualidad/109-paises-
utilizan-han-aprobado-vigilancia-reconocimiento-
facial_202006095edf4294f8f8bb0001657e86.html
Automóviles sin conductor
De la manera en la que un vehículo sin conductor comprende las realidades en la carretera y
cómo responder a ellas, ya sea una persona, una señal de tránsito, un semáforo, una pelota
en la calle u otro vehículo, es a través de algoritmos de Deep learning.
Cuantos más datos reciban los algoritmos, mejor podrán actuar como humanos en su
procesamiento de información: saber que una señal de _no estacionar _cubierta de nieve
sigue siendo una señal de no estacionar.
Fuente: http://libro.ai/como-pueden-los-coches-sin-conductor-mejorar-nuestras-vidas/
CONCLUSIONES
Se reconocer las nuevas tendencias de la teleradiología que optimizan su práctica a través
de la innovación tecnológica y generar estrategias comerciales para el servicio, las cuales
nos brindan un avance importante en salud donde se puede aplicar con mayor rapidez una
interacción medico paciente ya que estas eliminan practicas muy poco útiles que juegan
en contra del paciente.
En salud se han venido implementando algoritmos de patrones cancerígenos con los
cuales se pretende lograr identificar mediante un examen de mastografía.
Se identificar y describe las tendencia tecnológica para Teleradiología las cuales se han
venido implementado en los Deep learning.
REFERENCIAS BIBLIOGRAFÍCAS
Superintendencia de Industria y Comercio, Centro de Información Tecnológica y
Apoyo a la Gestión de la Propiedad Industrial – CIGEPI (2018). Boletín
Tecnológico Teleradiología, Una propuesta de la telemedicina para el sector Salud
colombiano. Recuperado de:
https://www.sic.gov.co/sites/default/files/files/Propiedad
%20Industrial/Boletines_Tecnologicos/Boletin_Telerradiologia.pdf
Mojica G. Paola. Cuéllar, Sergio. & Medina, Claudia. (2018). Una propuesta
comercial de la teleradiología para el sector Salud colombiano Recuperado de:
https://www.sic.gov.co/sites/default/files/files/Propiedad
%20Industrial/Boletines_Tecnologicos/Boletin_Telerradiologia.pdf
Rey López, A. (2016). Estudio y validación de técnicas de inteligencia artificial
aplicadas al análisis de imágenes médicas. : Desarrollo de un CAD para la detección
de nódulos pulmonares. Recuperado de:
http://search.ebscohost.com.bibliotecavirtual.unad.edu.co/login.aspx?
direct=true&db=edsdnp&AN=edsdnp.47596TES&lang=es&site=eds-
live&scope=site
Referencia: MinTic, Colombia. Centro de Innovación Publica Digital. (Consultado
en http://centrodeinnovacion.mintic.gov.co/es/blogs/tecnologias-emergentes)
https://platzi.com/blog/deep-learning-guia-ejemplos/?
utm_source=google&utm_medium=cpc&utm_campaign=12915366154&utm_adgroup=&utm_c
ontent=&gclid=CjwKCAjw7diEBhB-
EiwAskVi11MmIav1KUrDWD_H9Gl6xaQsv982PZLVRGet8zka795Uf-
50EZGZWBoC59MQAvD_BwE&gclsrc=aw.ds
