Ayuda PID2020-118504GB-I00 financiada por MICIU/AEI/10.13039/501100011033
Resumen
El proyecto HAVANT busca desarrollar una nueva generación de Inteligencia Artificial Visual centrada en el usuario, capaz de lograr una interacción más natural, simétrica y confiable con los humanos. Partiendo de la relevancia de la información visual en la toma de decisiones humanas, la propuesta plantea dotar a la IA de cuatro capacidades clave: adaptación al interlocutor, explicabilidad, predicción de intenciones humanas y aprendizaje en entornos dinámicos e imperfectos. Estas capacidades se validarán en varios escenarios del ámbito de la salud: diagnóstico médico por imagen, control compartido de neuroprótesis e interacción con robots asistenciales. HAVANT adopta un enfoque transdisciplinar que integra visión por computador, aprendizaje automático, ciencias cognitivas, robótica y neurociencias, con potencial de impacto más allá de la salud, incluyendo la industria, videojuegos o entrenamiento deportivo. Además del avance científico, se anticipa la posible explotación comercial de algunos desarrollos, como la predicción de acciones humanas y el aprendizaje a partir de datos imperfectos.
Principales resultados
Crainiciuc G, Palomino-Segura M, Molina-Moreno M, Sicilia J, Aragones DG, Li JLY, Madurga R, Adrover JM, Aroca-Crevillén A, Martin-Salamanca S, Del Valle AS, Castillo SD, Welch HCE, Soehnlein O, Graupera M, Sánchez-Cabo F, Zarbock A, Smithgall TE, Di Pilato M, Mempel TR, Tharaux PL, González SF, Ayuso-Sacido A, Ng LG, Calvo GF, González-Díaz I, Díaz-de-María F, Hidalgo A. Behavioural immune landscapes of inflammation. Nature. 2022 Jan;601(7893):415-421. https://doi.org/10.1038/s41586-021-04263-y. Epub 2022 Jan 5. PMID: 34987220; PMCID: PMC10022527.
Miguel Molina-Moreno, Iván González-Díaz, Ralf Mikut, Fernando Díaz-de-María, “A self-supervised embedding of cell migration features for behavior discovery over cell populations”, Computer Methods and Programs in Biomedicine, Vol. 255, 2024, 108337, ISSN 0169-2607, https://doi.org/10.1016/j.cmpb.2024.108337. Open Access: https://www.sciencedirect.com/science/article/pii/S0169260724003304
Molina-Moreno, M., González-Díaz, I., Rivera Gorrín, M. et al. URI-CADS: A Fully Automated Computer-Aided Diagnosis System for Ultrasound Renal Imaging. J Digit Imaging. Inform. med. 37, 1458–1474 (2024). https://doi.org/10.1007/s10278-024-01055-4. Open Access: https://rdcu.be/etLUm
J. Ortigoso-Narro, F. Diaz-de-Maria, M. M. Dehshibi and A. Tajadura-Jiménez, “L-SFAN: Lightweight Spatially Focused Attention Network for Pain Behavior Detection,” in IEEE Sensors Journal, vol. 25, no. 10, pp. 18409-18418, 15 May15, 2025, https://doi.org/10.1109/JSEN.2025.3540415. Open Access: https://ieeexplore.ieee.org/document/10891565
M. M. Dehshibi, T. Olugbade, F. Diaz-de-Maria, N. Bianchi-Berthouze and A. Tajadura-Jiménez, “Pain Level and Pain-Related Behaviour Classification Using GRU-Based Sparsely-Connected RNNs,” in IEEE Journal of Selected Topics in Signal Processing, vol. 17, no. 3, pp. 677-688, May 2023, https://doi.org/10.1109/JSTSP.2023.3262358.
Javier López-Labraca, Iván González-Díaz, Fernando Díaz-de-María, Alejandro Fueyo-Casado, “An interpretable CNN-based CAD system for skin lesion diagnosis”, Artificial Intelligence in Medicine, Vol. 132, 2022, 102370, ISSN 0933-3657, https://doi.org/10.1016/j.artmed.2022.102370. Open Access:
https://www.sciencedirect.com/science/article/pii/S0933365722001300
Miguel Molina-Moreno, Iván González-Díaz, Jon Sicilia, Georgiana Crainiciuc, Miguel Palomino-Segura, Andrés Hidalgo, Fernando Díaz-de-María, “ACME: Automatic feature extraction for cell migration examination through intravital microscopy imaging”, Medical Image Analysis, Vol. 77, 2022, 102358,
ISSN 1361-8415, https://doi.org/10.1016/j.media.2022.102358. Open Access: https://www.sciencedirect.com/science/article/pii/S1361841522000111
Gonzalez-Diaz I, Molina-Moreno M, Benois-Pineau J, de Rugy A. Asymmetric Multi-Task Learning for Interpretable Gaze-Driven Grasping Action Forecasting. IEEE J Biomed Health Inform. 2024 Dec;28(12):7517-7530. https://doi.org/10.1109/JBHI.2024.3430810. Epub 2024 Dec 5. PMID: 39024089.
S. Abal-Fernández et al., “Learning RL policies for anticipative assistive robots by simulating human-robot interactions in real scenarios using egocentric videos,” 2023 IEEE International Conference on Robotics and Biomimetics (ROBIO), Koh Samui, Thailand, 2023, pp. 1-8, https://doi.org/10.1109/ROBIO58561.2023.10354837.