Miguel has a PhD in Computer Science from the National Autonomous University of Mexico (UNAM). He worked as an assistant professor at the Faculty of Science at UNAM (2010-2017). In parallel, he spent several years working in the industry as a Business Analyst, SQA, and Project and Product Manager. He founded and directed a software startup until 2017, when he joined the Department of Computer Science and Software Engineering at the University of Canterbury (New Zealand) as a Lecturer.
He has been a member of major standardization bodies such as the Object Management Group and the ISO/IEC JTC 1/SC 7 Software and Systems Engineering subcommittee. He is also involved as a reviewer for international journals and conferences.
Miguel’s main research area is Software Quality, particularly software process improvement and product management. Miguel’s most recent research focused on Gamification in Computer Science and Software Engineering education. He is also interested in IT Project Management, Sustainability, and Databases.

This talk will delve into the challenges and opportunities I have identified while teaching Software Engineering as a subject (in Mexico) and now as a degree program (in New Zealand). From crafting innovative teaching methods to developing tools, I will illustrate how Software Engineering education is evolving to meet the industry’s ever-changing needs.

Leo Joskowicz is the founder and director of the Computer-Aided Surgery and Medical Image Processing Laboratory (CASMIP Lab). Prof. Joskowicz is a Fellow of the IEEE, ASME, and MICCAI (Medical Image Processing and Computer Aided Intervention) Societies. He is the past President of the MICCAI Society, was the Secretary General of the International Society of Computer Aided Orthopaedic Surgery (CAOS International) and of the International Society for Computer Assisted Surgery (ISCAS). He is the recipient of the 2010 Maurice E. Muller Award for Excellence in Computer Assisted Surgery by CAOS International and the 2007 Kaye Innovation Award. He has published two books and over 300 technical works including conference and journal papers, book chapters, and editorials and has 14 issued patents. He is on the Editorial Boards of Medical Image Analysis, Int. J. of Computer Aided Surgery, and Computer Aided Surgery and has served on numerous related program committees.

Monitoring cancer patients undergoing treatment requires the analysis by an expert clinician of radiological images acquired every few months. With improvements in treatments leading to longer patient lifespans and increased accessibility of scanners, longitudinal patient studies have increased in their number of CT and MRI scans, making their interpretation more challenging and time-consuming. While numerous AI and deep learning based methods have been developed for medical image analysis, they fail short of providing a viable solution for radiological follow-up.
In this talk, we present a novel fully automatic end-to-end pipeline for the comprehensive detection and segmentation of cancer lesions and the analysis of their evolution over time. The key novelties are: 1) SimU-Net, a simultaneous multi-channel 3D deep learning model trained on pairs of registered scans of each patient that identifies the lesions and their changes based on the lesion and healthy tissue appearance differences; 2) a model-based bipartite graph lesions matching method for the analysis of lesion changes at the lesion level; 3) a method for longitudinal analysis of consecutive scans of a patient based on SimU-Net. We demonstrate the method with experimental studies on liver and lung metastases in CT scans and brain metastases in MRI scans that establish state-of the-art results.

Estudió la licenciatura y la maestría en física en la Universidad Nacional Autónoma de México. Relizó el doctorado en la Universidad Federal de Río de Janeiro en el área de óptica cuántica. Actualmente es Investigador del Instituto en Investigaciones en MAtemáticas Aplicadas y en Sistemas. Sus áreas de investigación son: óptica e información cuántica con enfasis en sistemas cuánticos abiertos.

En esta plática se hablará un poco sobre las correlaciones, la información y la computación cuántica con el objetivo de buscar razones de porque las computadoras cuánticas tendrían ventajas sobre las computadoras clásicas.

Dr. Francisco Valdés-Souto, Presidente de COSMIC y Profesor Asociado de la Facultad de Ciencias de la Universidad Nacional Autónoma de México (UNAM). El Dr. Valdés-Souto posee un Doctorado en Ingeniería de Software por la École de Technologie Supérieure (ETS) de Canadá, complementado con dos maestrías obtenidas en México y Francia y más de 25 años de experiencia en desarrollo de software crítico.

Miembro activo del Sistema Nacional de Investigadores (SNI) de México, los intereses de investigación del Dr. Valdés Souto abarcan la ingeniería de software, en particular la medición y la estimación, en su aplicación a la gestión de proyectos de software, la gestión del alcance, la productividad y la economía de los proyectos de software. Como principal defensor de las métricas formales de software en México, estableció COSMIC (ISO/IEC 19761) como norma nacional (NMXI 19761). Su trabajo lo convierte en una voz destacada en la comunidad mexicana de ingeniería de software

Una herramienta esencial en la ingeniería y el desarrollo de software (clásico) ha sido la métrica del tamaño funcional del software. Medir/estimar el tamaño de una pieza de software, ya sea preexistente o en desarrollo, es un paso esencial en el desarrollo de proyectos de software dentro de un enfoque industrial.

Aunque existen muchos métodos para el dimensionamiento clásico del software, actualmente no hay ninguna métrica bien acordada para el software cuántico. En esta conferencia presentamos Q-COSMIC, un sistema para medir el tamaño funcional del software cuántico, basado en el reconocido estándar COSMIC (ISO/IEC19761) para el dimensionamiento funcional del software clásico. Definimos formalmente la sintaxis de Q-COSMIC, explicamos su semántica y justificamos las decisiones que se tomaron al respecto. Por último, demostramos la aplicabilidad de nuestra técnica con dos ejemplos en dos arquitecturas de ordenador cuántico muy diferentes.

Actualmente estudia el doctorado en Ciencias e información cuántica en el CIC del IPN, dónde también es profesora ayudante en el curso de algoritmos cuánticos y trabaja con aprendizaje bayesiano cuántico para el modelado de toma de decisiones en teoría de juegos y quantum machine learning. Anteriormente ha tomado cursos de mecánica cuántica en ESFM, IPN, cursos de Física en Cinvestav y un curso de introducción al cómputo cuántico en IBM. Así mismo ha participado en Code Challenges de escuelas de computación cuántica.

En esta plática exploraremos brevemente como están involucrados algunos fenómenos cuánticos de los que no se habla mucho en otras áreas. Nos enfocaremos en mayor medida en la teoría de juegos, ya que es una área que se basa en gran medida en la probabilidad, por lo que existe un interés en generalizar al dominio de las probabilidades cuánticas. Así mismo hablaremos como la teoría de juegos cuántica permite ampliar el espacio de estrategias a un espacio de Hilbert de estrategias, donde se permite la superposición y el entrelazamiento entre las jugadas de los participantes.

Alexandra es doctora en física por la Universidad Simón Bolívar, Caracas, Venezuela. Cuenta con dos posdoctorados, el primero lo realizó en el Instituto Venezolano de Investigaciones Científicas y el segundo en la Universidad de Hannover, Alemania, apoyada por el DAAD. Fue profesora a dedicación exclusiva de la Universidad Simón Bolívar, Caracas, Venezuela e investigadora asociada de la Universidad de Sydney, Australia. Siempre apasionada por escribir y compartir las maravillas de la ciencia con diferentes audiencias, se especializó en comunicación y divulgación de la ciencia y la tecnología en la Universidad de Oviedo, España. Desde hace diez años es comunicadora de la ciencia a tiempo completo, con foco en computación cuántica desde 2022. Actualmente trabaja como Egagement Manager para Quandela, una compañía francesa que desarrolla hardware y software de computación cuántica.

Prof. Luc Duong completed his Ph.D. (2007) at École Polytechnique de Montréal. His thesis topic focused on machine learning approaches to guide operative strategy in correcting scoliosis deformities. Then, he was a postdoctoral fellow at Siemens Corporate Research, Princeton, NJ. At Siemens, he worked on a project for navigation assistance for coronary arteries with Chronic Total Occlusion (CTO). Since 2009, Prof Duong has been teaching at the École de technologie supérieure and he is mainly interested in image analysis, computer vision and machine learning. He works closely with the cardiology department of CHU Sainte-Justine in projects related to interventions for congenital heart disease.

In this talk, I will introduce our work in analysis and virtual design and 3D printing of vascular structures for pediatric cardiology. Motion compensation is a major issue in interventional cardiology. This is especially true during the treatment of pediatric congenital heart defects, where the patient’s smaller anatomy is complex, the heart rate is significantly higher, and the ECG signal is irregular. In addition, the amount of ionizing radiation must be minimized. Virtual imaging trials using simulation could help developing a whole new generation of techniques including full personalized cardiorespiratory motion prediction and 3D models for navigation guidance. Also, 3D printing might pave the road for validating virtual imaging trials.