Descripción del grupo
El Centro de Cirugía de Mínima Invasión Jesús Usón (www.ccmijesususon.com) es una institución multidisciplinar dedicada a la investigación, formación e innovación en el ámbito sanitario que cuenta, entre otras, con las unidades científicas de Endoscopia y de Bioingeniería y Tecnologías Sanitarias. Desde 2017 se trabaja de manera activa en sistemas basados en Tecnologías de la Información para el abordaje del Cáncer Colorrectal. En este ámbito concreto, cabe destacar los siguientes proyectos:
- Multimodal highly-sensitive PhotonICs endoscope for improved invivo COLOn Cancer diagnosis and clinical decision support (PICCOLO project. Horizon 2020 – 732111). El objetivo de este proyecto era combinar la tomografía de coherencia óptica (OCT) y la tomografía multifotónica (MPT) en un endoscopio para el diagnóstico in vivo y la ayuda a la toma de decisiones clínicas.
- Fortalecimiento del Área de Cirugía de Mínima Invasión y Bioingeniería para investigaciones en cáncer colorrectal (Junta de Extremadura), centrado en el desarrollo de aplicaciones móviles para la alfabetización médica en cáncer colorrectal y el fomento para la participación de la ciudadanía en los programas de cribado.
- Análisis de la alfabetización médica para casos detectados de cáncer colorrectal aplicando técnicas de visión holográfrica proyectada sobre fabricación aditiva (Junta de Extremadura, Viral Studios), centrado en analizar y comparar las técnicas utilizadas actualmente para la alfabetización médica respecto al uso de herramientas basadas en realidad mixta e impresión 3D.
Como resultado de estos proyectos, se han publicado más de 10 artículos en revistas Q1/Q2 del JCR, y se han presentado más de 20 comunicaciones a congresos nacionales e internacionales. Destaca la creación del conjunto de datos PICCOLO y ClinExpPICCOLO, como resultado del proyecto europeo PICCOLO.
Miembros del grupo en red AI4POLYPNET
- Francisco M. Sánchez-Margallo
- J. Blas Pagador
- Juan Francisco Ortega Morán
- Jorge Bote Chacón
Lista de publicaciones recientes en el ámbito:
- Sánchez Peralta LF; Glover B; Saratxaga CL; Ortega Morán JF; Nazarian S; Picón A; Pagador JB; Sánchez Margallo FM. 2023. Clinical Validation Benchmark Dataset and Expert Performance Baseline for Colorectal Polyp Localization Methods. Journal of Imaging. 9(9):167. DOI: 10.3390/jimaging9090167
- Picon A; Terradillos E; Sánchez-Peralta LF; et al.; Saratxaga CL. 2022. Novel Pixelwise Co-Registered Hematoxylin-Eosin and Multiphoton Microscopy Image Dataset for Human Colon Lesion Diagnosis. Journal of Pathology Informatics. 13:100012. DOI: 10.1016/j.jpi.2022.100012
- Sánchez Peralta LF; Pagador JB; Sánchez Margallo FM. 2021. Artificial Intelligence for colorectal polyps in colonoscopy. Artificial Intelligence in Medicine. Springer. ISBN 978-3-030-64574-8
- Ortega Morán JF; Azpeitia Á; Sánchez Peralta LF; Bote Curiel L; Pagador JB; Cabezón V; Saratxaga CL; Sánchez Margallo FM. 2021. Medical needs related to the endoscopic technology and colonoscopy for colorectal cancer diagnosis. BMC Cancer. 21:467. DOI: 10.1186/s12885-021-08190-z
- Picón A; Medela A; Sánchez Peralta LF; et al.; Saratxaga CL. 2021. Autofluorescence image reconstruction and virtual staining for in-vivo optical biopsying. IEEE Access. 9:32081-32093. DOI: 10.1109/ACCESS.2021.3060926
- Sánchez Peralta LF; Pagador JB; Picón A; et al.; Sánchez Margallo FM. 2020. PICCOLO White-Light and Narrow-Band Imaging Colonoscopic Dataset: A Performance Comparative of Models and Datasets. Applied Sciences. 10(23):8501. DOI: 10.3390/app10238501
- Sánchez Peralta LF; Picón A; Sánchez Margallo FM; Pagador JB. 2020. Unravelling the effect of data augmentation transformations in polyp segmentation. International Journal of Computer Assisted Radiology and Surgery. 15:1975-1988. DOI: 10.1007/s11548-020-02262-4
- Sánchez Peralta LF; Picón A; Antequera Barroso JA; Ortega Morán JF; Sánchez Margallo FM; Pagador JB. 2020. Eigenloss: Combined PCA-Based Loss Function for Polyp Segmentation. Mathematics. 8(8):1316. DOI: 10.3390/math8081316
- Sánchez Peralta LF; Bote Curiel L; Picón A; Sánchez Margallo FM; Pagador JB. 2020. Deep learning to find colorectal polyps in colonoscopy: A systematic literature review. Artificial Intelligence in Medicine. 108:101923. DOI: 10.1016/j.artmed.2020.101923
Páginas web con más información sobre el grupo:
Página web del CCMIJU: www.ccmijesususon.com
PICCOLO Project: https://www.piccolo-project.eu/
PICCOLO dataset: https://www.biobancovasco.bioef.eus/en/Sample-and-data-catalog/Databases/PD178-PICCOLO-EN.html
ClinExpPICCOLO dataset: https://www.ccmijesususon.com/investigacion/clinexppiccolo/