La Unidad Mixta de Imagen Biomédica FISABIO-CIPF es experta en anonimización, curación y tratamiento de datos de imagen médica mediante la aplicación de técnicas de inteligencia artificial y radiómica.
Esta Unidad lidera el Banco de Imágenes Médicas de la Comunidad Valenciana, BIMCV (https://bimcv.cipf.es/). También aporta a la comunidad BIDS (Brain Imaging Data Structure, https://bids.neuroimaging.io/index.html) desarrollando el BEP025 (MIDS-BIDS: Medical Population Imaging Data Structure)
La Unidad Mixta de Imagen Biomédica FISABIO-CIPF dispone de una infraestructura computacional singular que presenta unas de las mejores dotaciones en la Comunidad Valenciana para la investigación biomédica.
Actualmente colabora en el desarrollo de datalakes de imagen y modelos predictivos basados en técnicas de inteligencia artificial en varios proyectos (DeepHealth: Deep-learning and hpc to boost biomedical applications for health, TARTAGLIA: Red federada para acelerar la aplicación de la Inteligencia Artificial en el Sistema Sanitario Español, IMPaC-DATA: desarrollo de un entorno de integración y análisis de datos que incluya la capacidad para resolver preguntas provenientes de grupos clínicos y formuladas por los Programas de Medicina Predictiva y Medicina Genómica.
Desarrolla también una rama de investigación en el ámbito de la neuroimagen.
Presentación
Conócenos mejor
Personal de investigación
El equipo que lo hace posible
Publicaciones
Nuestro aporte a la ciencia
PadChest: A large chest x-ray image dataset with multi-label annotated reports.
Bustos A, Pertusa A, Salinas JM and de la Iglesia-Vayá M
MEDICAL IMAGE ANALYSIS, 2020 Dec,  DOI:  10.1016/j.media.2020.101797,  Vol. 66,  pag. 101797-101797
Functional Signatures in Non-Small-Cell Lung Cancer: A Systematic Review and Meta-Analysis of Sex-Based Differences in Transcriptomic Studies
I. PEREZ-DIEZ, M. HIDALGO, P. MALMIERCA-MERLO, Z. ANDREU, S. ROMERA-GINER, R. FARRAS, M. DE LA IGLESIA-VAYA, M. PROVENCIO, A. ROMERO and F. GARCIA-GARCIA
Cancers, 2021 Jan,  DOI:  10.3390/cancers13010143,  Vol. 13,  pag. 
COVID-19 detection in X-ray images using convolutional neural networks.
Arias-Garzón D, Alzate-Grisales JA, Orozco-Arias S, Arteaga-Arteaga HB, Bravo-Ortiz MA, Mora-Rubio A, Saborit-Torres JM, Serrano JÁM, de la Iglesia Vayá M, Cardona-Morales O and Tabares-Soto R
Machine Learning With Applications, 2021 Dec,  DOI:  10.1016/j.mlwa.2021.100138,  Vol. 6,  pag. 100138-100138
Toward next-generation primate neuroscience: A collaboration-based strategic plan for integrative neuroimaging.
de la Iglesia-Vaya M
NEURON, 2022 Jan,  DOI:  10.1016/j.neuron.2021.10.015,  Vol. 110,  pag. 16-20
The Open Brain Consent: Informing research participants and obtaining consent to share brain imaging data.
Bannier E, Barker G, Borghesani V, Broeckx N, Clement P, Emblem KE, Ghosh S, Glerean E, Gorgolewski KJ, Havu M, Halchenko YO, Herholz P, Hespel A, Heunis S, Hu Y, Hu CP, Huijser D, de la Iglesia Vayá M, Jancalek R, Katsaros VK, Kieseler ML, Maumet C, Moreau CA, Mutsaerts HJ, Oostenveld R, Ozturk-Isik E, Pascual Leone Espinosa N, Pellman J, Pernet CR, Pizzini FB, Trbalic AŠ, Toussaint PJ, Visconti di Oleggio Castello M, Wang F, Wang C and Zhu H
HUMAN BRAIN MAPPING, 2021 May,  DOI:  10.1002/hbm.25351,  Vol. 42,  pag. 1945-1951