Escuela de Ingeniería de Sistemas e Informática
Permanent URI for this community
Browse
Browsing Escuela de Ingeniería de Sistemas e Informática by browse.metadata.evaluator "Arguello Fuentes, Henry"
Now showing 1 - 6 of 6
Results Per Page
Sort Options
Item Caracterización de patrones locomotores anormales relacionados con la enfermedad de Parkinson a partir de arquitecturas de aprendizaje profundo dedicadas a la estimación de poses.(Universidad Industrial de Santander, 2023-10-31) Portilla Mora, Jean Carlos; Martinez Carrillo, Fabio; Arguello Fuentes, Henry; Galvis Carreño, Laura VivianaLa enfermedad de Parkinson (EP) es uno de los trastornos neurodegenerativos más prevalentes en todo el mundo, con más de 6,2 millones de casos registrados a nivel mundial. El análisis de la marcha es crucial para cuantificar y comprender las anomalías motoras relacionadas con esta enfermedad. En este sentido, se utilizan tecnologías que integran dispositivos especializados que procesan datos de postura y movimiento. Sin embargo, estos sistemas basados en marcadores están limitados por su coste, complejidad y la necesidad de personal especializado para la localización de los sensores. Por otro lado, en la literatura se han explorado enfoques basados en el análisis de vídeo, los cuales están hoy en día limitados a realizar procesos globales de clasificación, perdiendo detalle en el análisis cinemático, durante la locomoción. En este trabajo, se desarrolló una estrategia sin marcadores para cuantificar patrones locomotores asociados al párkinson, teniendo como línea base una arquitectura de aprendizaje profundo dedicada a la estimación de poses. Para ello, en este trabajo se recuperan las características profundas aprendidas durante la estimación de poses. El conjunto de estas activaciones fue proyectado en representaciones convolucionales volumétricas y ajustadas de acuerdo a una tarea de discriminación con respecto a sujetos control. Adicionalmente, una caracterización de la marcha respecto a los movimientos posturales fue codificados en matrices de covarianza, las cuales proporcionan una ventaja explicativa entre articulaciones de interés. Además, estas covarianzas fueron proyectadas en clasificadores para validar el desempeño discriminativo con respecto a sujetos control. Las aproximaciones propuestas lograron clasificar pacientes con párkinson con una exactitud de 98% usando los mapas volumétricos de activación y una exactitud de 71.5% usando las matrices de covarianza.Item Desarrollo de una herramienta de simulación para el estudio de estructuras geológicas mediante muografía(Universidad Industrial de Santander, 2023-11-25) Jaimes Teherán, Jorge Alfredo; Peña Rodríguez, Jesús; Bautista Rozo, Lola Xiomara; Núñez de Villavicencio Martínez, Luis Alberto; Arguello Fuentes, Henry; González Gómez, Andrés LeonardoLa muografía es una técnica de imagen no invasiva que utiliza muones, partículas derivadas de la interacción de los rayos cósmicos con la atmósfera terrestre. Estas partículas poseen propiedades similares a los electrones, pero con una masa 200 veces superior. La muografía ha encontrado diversas aplicaciones en campos como la geología, la ingeniería civil, la detección de residuos nucleares, entre otros. Las simulaciones desempeñan un papel crucial en el estudio muográfico de diversas estructuras geológicas, ya que evitan gastos innecesarios al transportar equipos sin un análisis preliminar. Sin embargo, en la actualidad, llevar a cabo simulaciones de muografía puede ser una tarea compleja. No existe un software que cubra todo el proceso de simulación de principio a fin. Los marcos de simulación existentes requieren el uso de diferentes softwares, con distintos lenguajes de programación e instalaciones complicadas, lo que dificulta la labor del investigador. Además, estos marcos de simulación a menudo conllevan una complejidad computacional considerable. En este contexto, proponemos MUYSC, un marco de simulación integral desarrollado en Python. Este framework de código abierto minimiza la complejidad computacional, permitiendo crear un muograma de cualquier estructura geológica en el mundo en cuestión de minutos. MUYSC proporciona al investigador información crucial, como el flujo integrado de muones, la opacidad del material, la densidad y simulaciones de los parámetros del telescopio. Por tanto, MUYSC es una herramienta poderosa y accesible para la comunidad científica, facilitando la realización de investigaciones muográficas a un ritmo más rápido y con un costo significativamente menor.Item Diseño de una plataforma IoT para el monitoreo del nivel, velocidad y estado meteorológico en un cauce que permita dar alerta temprana de desastres en puntos estratégicos(Universidad Industrial de Santander, 2022-09-07) Uribe García, Andrés Felipe; Moncada Rodríguez, Orlando Alberto; Rubiano, José Geralbert; Arguello Fuentes, Henry; Jimenez Herrera, Henry AndresTítulo: Diseño de una plataforma IoT para el monitoreo del nivel, velocidad y estado meteorológico en un cauce que permita dar alerta temprana de desastres en puntos estratégicos. Autores: Orlando Alberto Moncada Rodriguez, Andrés Felipe Uribe García. Palabras clave: Desarrollo web, IoT, Control, Aplicación. Objetivo general: Diseñar e implementar una plataforma IoT para el monitoreo del nivel, velocidad y estado meteorológico en un cauce que permita dar alerta temprana de desastres en puntos estratégicos. Descripción: Los ríos son la principal y más importante fuente de agua potable para la humanidad, pero estas áreas hidrográficas por diversos factores ambientales, tales como la lluvia o los sedimentos, pueden generar un cambio abrupto en el nivel o velocidad del afluente lo cual lleva a producir catástrofes ambientales como inundaciones o deslizamientos de tierra, los cuales generan daños materiales e incluso pérdidas humanas. Esta problemática dio iniciativa a este proyecto, el cual consta del diseño de una plataforma IoT conformada por un sistema de sensores que permite obtener en tiempo real las mediciones de cantidad de agua por precipitación, nivel del río y velocidad de este, las cuales se verán proyectadas a través de una aplicación web generando una alerta en caso de un cambio significativo en el área hidrográfica.Item Implementación de machine learning para modelado y caracterización de muestras complejas de hidrocarburos a partir de técnicas de espectroscopia(Universidad Industrial de Santander, 2024-11-12) Cárdenas Acevedo, Sebastián; Mejía Ospino, Enrique; Goyes Peñafiel, Yesid Paul; Martínez Carrillo, Fabio; Arguello Fuentes, HenryUna correcta caracterización fisicoquímica del petróleo es crucial para optimizar procesos como la producción, el transporte y la refinación en la industria de los hidrocarburos. Entre las pruebas de caracterización de crudos pesados destacan el análisis SARA, el porcentaje de carbono Conradson residual (%CCR) y el índice de clase de estabilidad de asfáltenos (ASCI). Aunque efectivos, estos métodos presentan limitaciones como altos costos, largos tiempos de respuesta y el uso de solventes peligrosos. Para superar estas dificultades, este estudio explora el uso de modelos de machine learning (ML) aplicados a datos de espectrometría de masas de alta resolución (HR-MS) y espectroscopía infrarroja por transformada de Fourier (MIR-FTIR). El objetivo principal es desarrollar modelos predictivos que estimen estas propiedades del petróleo a partir de datos espectrales. La metodología desarrollada incluye la construcción de una base de datos robusta, procesada y normalizada, utilizando técnicas como el análisis de componentes principales (PCA) para mejorar la exactitud y reducir la dimensionalidad de los datos. Se evaluaron diferentes algoritmos de ML para clasificación y regresión, tales como SVC, LDA, SVR, PLS y redes neuronales, con el fin de identificar los modelos más adecuados. Los resultados muestran que los modelos basados en ML, en particular SVC y LDA, mejoran significativamente la exactitud y eficiencia en la predicción de propiedades fisicoquímicas del petróleo, superando los métodos tradicionales. Se concluye que la integración de machine learning con técnicas espectroscópicas ofrece una alternativa más rápida y de menor impacto ambiental para caracterizar grandes volúmenes de muestras complejas, reduciendo riesgos y mejorando la reproducibilidad en comparación con las pruebas convencionales.Item Practica Empresarial: Desarrollo de un Sistema Web para el Control y Ejecución de Modelos de Calidad de Datos en el Mercado de Energía Mayorista para la Empresa XM(Universidad Industrial de Santander, 2024-02-23) Durán Macias, Juán Sebastián; Beltrán Castro, Carlos Adolfo; Arguello Fuentes, Henry; Jiménez Herrera, Henry AndrésEn el Mercado de Energía Mayorista, donde la toma de decisiones precisa es esencial, la calidad de los datos desempeña un papel crucial en los procesos operativos y de gestión. XM, ante la complejidad de este entorno, identifica la necesidad urgente de garantizar la integridad y confiabilidad de la información energética proveniente de diversas fuentes. Este proyecto se enfoca en abordar los desafíos específicos del sector energético, explorando estrategias y soluciones adoptadas para cumplir con los objetivos propuestos. La aplicación web resultante actúa como una herramienta de almacenamiento eficiente, facilitando la recolección de datos para su procesamiento posterior. Responde así a la imperante necesidad de garantizar la calidad de los datos en un entorno tan dinámico y competitivo como el sector energético.Item Segmentación de lesiones de accidente cerebrovascular utilizando representaciones profundas que incluyan mecanismos de atención(Universidad Industrial de Santander, 2023-08-08) Sebastian Florez Rojas; Martínez Carrillo, Fabio; Arguello Fuentes, Henry; Garzon Villamizar, Gustavo AdolfoLa tomografía computarizada (CT) es hoy en día la secuencia de imágenes diagnósticas más utilizada para el análisis de hallazgos y detección temprana de los ACV. En estos estudios las lesiones cerebrales son observadas como regiones hipo-atenuadas y su principal uso es en estudios de tamizaje para discriminar entre los posibles tipos de lesión. En la literatura se han propuesto representaciones neuronales para la localización, la delineación y caracterización de lesiones relacionadas con ACV para apoyar la delineación de estos estudios. Sin embargo, las estrategias actuales presentan limitaciones para caracterizar estas lesiones debido a su alta variabilidad en cuanto a su apariencia y geometría. Además estas arquitecturas típicamente se entrenan sobre las secuencias completas, en donde las lesiones cerebrales representan aproximadamente un 5% de la masa cerebral. En el presente trabajo se desarrolló una arquitectura de tipo codificador-decodificador, que entrenada bajo un esquema supervisado, aprende a realizar segmentaciones a partir de delineaciones de expertos sobre estudios CT. Para enfocarse en las regiones asociadas a las lesiones, en este trabajo se realizo una red que incluye mecanismos de atención para establecer relaciones no-locales que representan la geometría de la lesión. Sumado a esto, se desarrolló una segunda fase de entrenamiento a la red para utilizar la información obtenida en la primera fase en un nuevo entrenamiento para refinar los resultados obtenidos inicialmente en la primera fase. La estrategia fue validada en el conjunto de datos ISLES 2017, obteniendo un DSC de 0.66 con 0.67 de precisión.