Petia Radeva es Catedrática de la Universidad de Barcelona (UB), Directora del Grupo de Investigación Consolidado «Visión por Computador y Aprendizaje Automático» de la Universidad de Barcelona (CVMLUB) en la UB (www.ub.edu/cvmlub), Investigadora principal en el Centro de Visión por Computador (www.cvc.uab.es) y Fundadora de AIGecko Technologies (www.aigecko.com). Ha sido IP de la UB en 7 proyectos europeos, 3 internacionales y más de 75 nacionales dedicados a aplicar la Visión por Computador y el Aprendizaje Automático a problemas reales como la monitorización de la ingesta de alimentos. Petia Radeva es vicepresidenta de REA-FET-OPEN desde 2015 y mentora internacional del programa Wild Cards EIT desde 2017. Es editora asociada de la revista Pattern Recognition (Q1, IP=7.196) y del International Journal of Visual Communication and Image Representation (Q2, IP=3.13). También es Gestora de Investigación de la Agencia Estatal de Investigación (AEI) del Ministerio de Ciencia e Innovación de España. Petia Radeva ha sido galardonada con el IAPR Fellow desde 2015, ICREA Academia asignada a los 30 mejores científicos de Cataluña por sus méritos científicos desde 2014, ha recibido varios premios internacionales («Aurora Pons Porrata» del CIARP, Premio «Antonio Caparrós» a la mejor transferencia de tecnología de la UB, etc.)
[PONENCIA] ‘Como la Inteligencia Artificial puede ayudar a mejorar los hábitos nutricionales de las personas’
Los hábitos alimentarios poco saludables y la inactividad afectan directamente a la calidad de vida y causan discapacidades. Una dieta poco saludable es la principal causa de mortalidad en la mayoría de los países desarrollados. La desnutrición es una condición frecuente en las personas más frágiles de la población que envejece. Las personas son analfabetas en cuanto
a la calidad de su alimentación. Se carece de información objetiva sobre los hábitos alimentarios y hay poca motivación para mantener un nivel saludable de dieta de alta calidad. Las soluciones actuales basadas en los diarios alimentarios no son óptimas, ya que la gente suele subestimar hasta un 33% su ingesta de alimentos. En esta charla presentaremos una innovadora solución digital para la monitorización de la ingesta de alimentos basada en técnicas avanzadas de Inteligencia Artificial, Visión por Computador y Deep learning. Nuestros algoritmos permiten reconocer automáticamente los alimentos a partir de una imagen y construir un diario alimentario objetivo y preciso de los pacientes. Se discutirán múltiples aplicaciones de la herramienta inteligente nutricional para diferentes enfermedades.
