Maestría en Ingeniería Biomédica

URI permanente para esta colección

https://repository.urosario.edu.co/handle/10336/26556

Examinar

Envíos recientes

Mostrando1 - 5 de 21
  • Miniatura
    Ítem
    Acceso Abierto
    Comparación de algoritmos de segmentación heurística de imágenes de angiografía coronaria utilizando técnicas no supervisadas
    (2026-06-12) Ramírez Millán, Nicolás; Caicedo Rodríguez, Pablo Eduardo
    El presente trabajo aborda el problema de la segmentación no supervisada de vasos coronarios en imágenes de angiografía, un desafío debido al ruido, los artefactos y la complejidad de las estructuras vasculares. Se comparan dos enfoques de segmentación, W-Net y Segment Anything Model (SAM), y se propone un modelo híbrido que combina las capacidades especializadas de W-Net con la precisión de segmentación de SAM. La estrategia desarrollada utiliza un mapa generado por W-Net para guiar la selección de las segmentaciones producidas por SAM. Los resultados muestran que, aunque el modelo híbrido presenta una menor similitud con las pseudo-etiquetas de entrenamiento, genera segmentaciones visualmente más coherentes y anatómicamente más precisas, evidenciando su potencial para mejorar la segmentación no supervisada de imágenes de angiografía coronaria.
  • Miniatura
    Ítem
    Acceso Abierto
    Cuidado neonatal mediante internet de las cosas médicas: validación y evaluación de un sistema de monitoreo en incubadoras
    (2025-12-12) Tabares Sánchez, Valeria; Sarmiento Rojas, Jefferson Steven; Aya Parra, Pedro Antonio; GiBiome
    El nacimiento prematuro representa un desafío clínico y tecnológico significativo, dado que la interrupción del desarrollo intrauterino expone al neonato a condiciones ambientales radicalmente distintas, particularmente dentro de las Unidades de Cuidados Intensivos Neonatales (UCIN). En este entorno, variables como la temperatura, la humedad y el ruido influyen directamente en la estabilidad fisiológica y el neurodesarrollo del recién nacido. Ante esta problemática, la presente investigación tuvo como objetivo diseñar un sistema de monitoreo basado en Internet de las Cosas (IoT) para la gestión de variables relevantes en incubadoras neonatales, incorporando además herramientas de inteligencia artificial (IA) para el análisis de sonido. La metodología se estructuró en dos fases: la primera consistió en la implementación y evaluación del sistema IoT para la medición remota de temperatura, humedad, sonido y voltaje de batería; la segunda, en el entrenamiento de un modelo de IA capaz de clasificar fuentes acústicas relevantes mediante estrategias de Transfer Learning. Los resultados evidenciaron un desempeño estable del sistema, con una disponibilidad del 94,23 %, un tiempo medio entre fallos (MTBF) de 32 horas y un tiempo medio de recuperación (MTTR) de 118 minutos. La temperatura y la batería mostraron comportamientos estables, mientras que la humedad presentó variabilidad esperable y el sonido se consolidó como la variable más crítica, con la mayor frecuencia de valores extremos. Respecto a la IA, el modelo basado en red neuronal convolucional clásica alcanzó un accuracy del 99 % y métricas sobresalientes de precision, recall y F1-score (0,99), superando al modelo de Transfer Learning con Keyword Spotting lo que confirma su potencial aplicación en entornos hospitalarios para el monitoreo continuo y la interpretación avanzada de eventos sonoros. En conclusión, la integración de tecnologías IoT e IA permite avanzar hacia entornos de cuidado neonatal más seguros y humanizados, donde la supervisión ambiental no solo cuantifica, sino también interpreta las condiciones sensoriales, favoreciendo el bienestar y el neurodesarrollo del neonato.
  • Miniatura
    Ítem
    Embargo
    Validación de un sistema IoT con aprendizaje federado y TinyML para el monitoreo postural en un entorno de cuidado simulado
    (2025-11-14) Torres Lara, Angela María; Sarmiento Rojas, Jefferson Steven; Aya Parra, Pedro Antonio
    Este trabajo presenta la validación de un sistema de monitoreo postural basado en Internet de las Cosas (IoT), Aprendizaje Federado (Federated Learning, FL) y Tiny Machine Learning (TinyML), orientado a entornos asistenciales de salud en condiciones simuladas. El sistema fue diseñado con el objetivo de apoyar la vigilancia continua de posturas corporales en escenarios de cuidado, priorizando la privacidad de los datos, la eficiencia computacional y la operación en dispositivos de bajo consumo energético.
  • Miniatura
    Ítem
    Acceso Abierto
    Agrupamiento de fenotipos establecidos a partir de aprendizaje de máquina no supervisado para pacientes con Sepsis Neonatal No Confirmada y menor a 33 semanas según tasa de uso de antibióticos
    (2025-09-19) Beltrán Gasca, Juan Carlos; Orjuela Cañón, Alvaro David
    La sepsis neonatal causa mucha mortalidad y morbilidad sobre todo en la población de prematuros, aclarando que no hay consenso en su definición y que la sospecha se basa fundamentalmente en el cambio de la evolución del neonato examinado, lo que condiciona al médico tratante al inicio de antibióticos de manera empírica con amplia cobertura y con una duración muy variada. Estos dos últimos factores conllevan a mayor morbi- mortalidad. Insistir en esta asociación es muy importante por que como se demuestra en estudios recientes, aunque se ha logrado con el tiempo una disminución en los días de tratamiento, aún no se ha logrado disminuir el número de neonatos expuestos a los antibióticos empíricos. Se pretende utilizar una estrategia de aprendizaje de máquina para la búsqueda de esta asociación entre duración de antibióticos empíricos y muerte en una base de datos anónimos de libre acceso en la que todos los pacientes fueron evaluados y tratados por sospecha de sepsis temprana o sepsis tardía.
  • Miniatura
    Ítem
    Acceso Abierto
    Desarrollo de herramientas para identificar factores biomecánicos de riesgo de la lesión de ligamento cruzado anterior a través de protocolo de instrumentación del drop jump en deportistas colombianos
    (2025-08-13) Casas Velasco, Juliana; Rodríguez Cheu, Luis Eduardo; Caicedo Rodríguez, Pablo Eduardo; GiBiome; Sierra Arévalo, Wilson Alexander
    La ruptura de ligamento cruzado anterior se encuentra entre las lesiones más comunes y estudiadas en ortopedia. En EE. UU., la incidencia oscila entre 60.000 y 250.000 casos anuales [1] [2] y el 14,05% del total, corresponde a deportistas de alto rendimiento [1]. Los deportes con mayor tasa de ruptura de ligamento cruzado anterior (LCA) son básquetbol, fútbol y gimnasia [3]. Se han reportado más de 100.000 casos por año en otros países y es una lesión que se considera frecuente a nivel global [4]. En Colombia, el fútbol es el deporte más popular, se practica de forma recreativa y la mayoría de los deportistas de alto rendimiento son futbolistas. Consecuentemente, se estima una alta tasa de ruptura de LCA en la población, razón por la cual se han buscado herramientas para identificar y minimizar el riesgo. El uso de la tecnología como herramienta para estudiar el movimiento ha aumentado en los últimos años en la investigación biomédica, sobre todo en el ámbito deportivo. Con el apoyo de sistemas y equipos se han identificado múltiples factores de riesgo de la lesión entre los cuales se encuentran los biomecánicos [5]. Estos, han sido investigados porque tienen mayor potencial para ser modificados y se podrían trabajar de forma preventiva para minimizar el riesgo de sufrir la lesión. Específicamente, con el sistema optoelectrónico de captura de movimiento (SOCM) se han evaluado diferentes saltos incluyendo el Drop Jump (DJ); sin embargo, aún no hay consenso en el protocolo de instrumentación que se debe utilizar para valoraciones biomecánicas que usen SOCM combinado con electromiografía de superficie (EMG) y sin recurrir al uso de una plataforma de fuerza. Por lo anterior, este estudio busca desarrollar herramientas que permitan identificar los factores biomecánicos más relevantes asociados a la lesión proponiendo un protocolo de instrumentación para el DJ que solo utilice un SOCM, EMG y una herramienta computacional para identificar las etapas determinantes. El protocolo propuesto y la herramienta se evaluaron en una población de 15 hombres deportistas de alto rendimiento entre 18 y 31 años, activos en la liga colombiana de fútbol. Al realizar la verificación del protocolo en la muestra poblacional, se pudieron identificar los factores cinemáticos asociados a la lesión en las etapas determinantes del DJ sin necesidad de una plataforma de fuerza. También se encontraron diferencias en algunos factores entre participantes sin lesión previa y uno que se había recuperado. De esta manera, se logró desarrollar un mecanismo de valoración con base en un modelo biomecánico personalizado que incluye un conjunto de movimientos centrados en la evaluación de la estabilidad de la rodilla a través del DJ, involucra la actividad muscular y puede ser instrumentado para identificar los factores de riesgo de la ruptura total de LCA.