Especialización en Análisis de Imágenes Biomédicas y Big Data en E-Health
Postítulo
Online
Descripción
-
Tipología
Postítulo
-
Metodología
Online
-
Horas lectivas
450h
-
Duración
6 Meses
-
Inicio
Fechas disponibles
-
Campus online
Sí
-
Clases virtuales
Sí
El creciente interés de la administración pública en agilizar los procesos sanitarios hace que la optimización sociosanitaria pase a estar en la lista de prioridades. Para alcanzarla, los ingenieros del área se dotan de herramientas tecnológicas que les permitan automatizar la comparación de datos y utilizar las herramientas técnicas para mejorar la atención de los pacientes. Ahí es donde se ha encontrado una inminente demanda del mercado laboral para acoger a profesionales que conozcan los avances industriales y sepan ponerlos en práctica. TECH ofrece un programa que aporta esta capacitación a los ingenieros y les ayuda a conseguirla con el aval de expertos en la materia. Además, lo hace a través de una enseñanza 100% online, que facilita el aprendizaje flexible y adaptado a las circunstancias de cada alumno.
Información importante
Documentación
- 148especializacion-analisis-imagenes-biomedicas-big-data-i.pdf
Sedes y fechas disponibles
Ubicación
comienzo
comienzo
A tener en cuenta
Objetivos generales
Desarrollar conceptos clave de medicina que sirvan de vehículo de comprensión para la medicina clínica
Determinar las principales enfermedades que afectan al cuerpo humano, clasificado por aparatos o sistemas, estructurando cada módulo en un esquema claro de fisiopatología, diagnóstico y tratamiento
Determinar cómo obtener métricas y herramientas para la gestión de la salud
Objetivos específicos
Módulo 1. Técnicas, reconocimiento e intervención a través de imágenes biomédicas
Examinar los fundamentos de las tecnologías de la imagen médica
Desarrollar conocimientos especializados sobre la radiología, aplicaciones clínicas y fundamentos físicos
Analizar los ultrasonidos, aplicaciones clínicas y fundamentos físicos
Módulo 2. Big Data en medicina: procesamiento masivo de datos médicos
Desarrollar un conocimiento especializado sobre las técnicas de obtención masiva de datos en biomedicina
Analizar la importancia del preprocesado de datos en Big Data
Determinar las diferencias que existen entre los datos de las diferentes técnicas de obtención masiva de datos, así como sus características especiales en cuanto al preprocesado y su tratamiento
Módulo 3. Aplicaciones de la inteligencia artificial e internet de las cosas (IoT) a la telemedicina
Proponer protocolos de comunicación en diferentes escenarios del ámbito sanitario
Analizar la comunicación IoT, además de sus ámbitos de aplicación en E-Health
Fundamentar la complejidad de los modelos de inteligencia artificial en las aplicaciones sanitarias
El temario de este Experto Universitario en Análisis de Imágenes Biomédicas y Big Data en E-Health pretende instruir a los ingenieros que cuenten con una base técnica y deseen ampliar sus conocimientos hacia la imagen médica y las aplicaciones de la inteligencia artificial e internet de las cosas (IoT) en telemedicina. En tan solo seis meses, TECH dotará al alumno de conocimientos tecnológicos aplicados a la medicina mediante una modalidad 100% basada en contenidos descargables, de los que dispondrá incluso sin conexión a internet. Además, el estudio se ha planteado de forma dinámica para despertar el interés y proyectar el rendimiento de los estudiantes.
Este Experto Universitario en Análisis de Imágenes Biomédicas y Big Data en E-Health contiene el programa más completo y actualizado del mercado.
Tras la superación de la evaluación, el alumno recibirá por correo postal* con acuse de recibo su correspondiente título de Experto Universitario emitido por TECH Universidad Tecnológica.
El título expedido por TECH Universidad Tecnológica expresará la calificación que haya obtenido en el Experto Universitario, y reunirá los requisitos comúnmente exigidos por las bolsas de trabajo, oposiciones y comités evaluadores de carreras profesionales.
Título: Experto Universitario en Análisis de Imágenes Biomédicas y Big Data en E-Health
N.º Horas Oficiales: 450 h.
Nuestra escuela es la primera en el mundo que combina el estudio de casos clínicos con un sistema de aprendizaje 100% online basado en la reiteración, que combina 8 elementos diferentes que suponen una evolución con respecto al simple estudio y análisis de casos. Esta metodología, a la vanguardia pedagógica mundial, se denomina Relearning.
Nuestra escuela es la primera en habla hispana licenciada para emplear este exitoso método, habiendo conseguido en 2015 mejorar los niveles de satisfacción global (calidad docente, calidad de los materiales, estructura del curso, objetivos…) de los estudiantes que finalizan los cursos con respecto a los indicadores de la mejor universidad online en habla hispana.
Recibida su solicitud, un responsable académico del curso le llamará para explicarle todos los detalles del programa, así como el método de inscripción, facilidades de pago y plazos de matrícula.
En primer lugar, necesitas un ordenador (PC o Macintosh), conexión a internet y una cuenta de correo electrónico. Para poder realizar los cursos integramente ON-LINE dispone de las siguientes opciones: Flash Instalando Flash Player 10 o posterior (http://www.adobe.com/go/getflash), en alguno de los siguientes navegadores web: - Windows: Internet Explorer 6 y posteriores, Firefox 1.x y posteriores, Google Chrome, Opera 9.5 y posteriores - Mac: Safari 3 y posteriores, Firefox 1.x y posteriores, Google Chrome - Linux: Firefox 1.x y posteriores HTML5 - Instalando alguno de los navegadores web: - Google Chrome 14 o posterior sobre Windows o Mac - Safari 5.1 o posterior sobre Mac - Mobile Safari sobre Apple iOS 5.0 o posterior en iPad/iPhone Apple iOS - Articulate Mobile Player; Apple iOS 5.0 o posterior en iPad.
Opiniones
Materias
- Imagen
- E learning
- Imágenes
- Gestión
- Calidad
- Salud
Profesores
Ángela Sirera Pérez
Diseñadora de piezas específicas para Impresión en 3D en Technadi
Temario
Módulo 1. Técnicas, reconocimiento e intervención a través de imágenes biomédicas
1.1. Imágenes médicas
1.1.1. Modalidades de las imágenes médicas
1.1.2. Objetivos de los sistemas de imagen médica
1.1 3. Sistemas de almacenamiento de las imágenes médicas
1.2. Radiología
1.2.1. Método de obtención de imágenes
1.2.2. Interpretación de la radiología
1.2.3. Aplicaciones clínicas
1.3. Tomografía computarizada (TC)
1.3.1. Principio de funcionamiento
1.3.2. Generación y obtención de la imagen
1.3.3. Tomografía computarizada. Tipología
1.3.4. Aplicaciones clínicas
1.4. Resonancia magnética (RM)
1.4.1. Principio de funcionamiento
1.4.2. Generación y obtención de la imagen
1.4.3. Aplicaciones clínicas
1.5. Ultrasonidos: ecografía y ecografía doppler
1.5.1. Principio de funcionamiento
1.5.2. Generación y obtención de la imagen
1.5.3. Tipología
1.5.4. Aplicaciones clínicas
1.6. Medicina nuclear
1.6.1. Fundamento fisiológico de los estudios nucleares. Radiofármacos y medicina nuclear
1.6.2. Generación y obtención de la imagen
1.6.3. Tipos de pruebas
1.6.3.1. Gammagrafía
1.6.3.2. SPECT
1.6.3.3. PET
1.6.3.4. Aplicaciones clínicas
1.7. Intervencionismo guiado por imagen
1.7.1. La radiología intervencionista
1.7.2. Objetivos de la radiología intervencionista
1.7.3. Procedimientos
1.7.4. Ventajas y desventajas
1.8. La calidad de la imagen
1.8.1. Técnica
1.8.2. Contraste
1.8.3. Resolución
1.8.4. Ruido
1.8.5. Distorsión y artefactos
1.9. Pruebas de imágenes médicas. Biomedicina
1.9.1. Creación de imágenes 3D
1.9.2. Los biomodelos
1.9.2.1. Estándar DICOM
1.9.2.2. Aplicaciones clínicas
1.10. Protección radiológica
1.10.1. Legislación europea aplicable a los servicios de radiología
1.10.2. Seguridad y protocolos de actuación
1.10.3. Gestión de residuos radiológicos
1.10.4. Protección radiológica
1.10.5. Cuidados y características de las salas
Módulo 2. Big Data en medicina: procesamiento masivo de datos médicos
2.1. Big Data en investigación biomédica
2.1.1. Generación de datos en biomedicina
2.1.2. Alto rendimiento (tecnología High-throughput)
2.1.3. Utilidad de los datos de alto rendimiento. Hipótesis en la era del Big Data
2.2. Preprocesado de datos en Big Data
2.2.1. Preprocesado de datos
2.2.2. Métodos y aproximaciones
2.2.3. Problemáticas del preprocesado de datos en Big Data
2.3. Genómica estructural
2.3.1. La secuenciación del genoma humano
2.3.2. Secuenciación vs. Chips
2.3.3. Descubrimiento de variantes
2.4. Genómica funcional
2.4.1. Anotación funcional
2.4.2. Predictores de riesgo en mutaciones
2.4.3. Estudios de asociación en genómica
2.5. Transcriptómica
2.5.1. Técnicas de obtención de datos masivos en transcriptómica: RNA-seq
2.5.2. Normalización de datos en transcriptómica
2.5.3. Estudios de expresión diferencial
2.6. Interactómica y epigenómica
2.6.1. El papel de la cromatina en la expresión genética
2.6.2. Estudios de alto rendimiento en interactómica
2.6.3. Estudios de alto rendimiento en epigenética
2.7. Proteómica
2.7.1. Análisis de datos de espectrometría de masas
2.7.2. Estudio de modificaciones postraduccionales
2.7.3. Proteómica cuantitativa
2.8. Técnicas de enriquecimiento y Clustering
2.8.1. Contextualización de los resultados
2.8.2. Algoritmos de Clustering en técnicas ómicas
2.8.3. Repositorios para el enriquecimiento: Gene Ontology y KEGG
2.9. Aplicaciones del Big Data en salud pública
2.9.1. Descubrimiento de nuevos biomarcadores y dianas terapéuticas
2.9.2. Predictores de riesgo
2.9.3. Medicina personalizada
2.10. Big Data aplicado en medicina
2.10.1. El potencial de la ayuda al diagnóstico y la prevención
2.10.2. Uso de algoritmos de Machine Learning en salud pública
2.10.3. El problema de la privacidad
Especialización en Análisis de Imágenes Biomédicas y Big Data en E-Health