Escuela de Ingeniería de Sistemas e Informática
Permanent URI for this community
Browse
Browsing Escuela de Ingeniería de Sistemas e Informática by Subject "Aprendizaje Profundo"
Now showing 1 - 4 of 4
Results Per Page
Sort Options
Item Algoritmo para la Integración/Registro de Nubes de Puntos Tridimensionales Basado en Técnicas de Aprendizaje Profundo(Universidad Industrial de Santander, 2022-09-07) Albarracín Barbosa, Juan Ricardo; Gómez Estupiñán, Ángel Fabián; González Gómez, Andrés Leonardo; Meneses Fonseca, Jaime Enrique; Martínez Carrillo, Fabio; Garzón Villamizar, Gustavo AdolfoCon el continuo desarrollo de las técnicas de reconstrucción tridimensional (3D) y el aumento de las aplicaciones en diferentes ramas de la ciencia en las que esta tecnología puede tener cabida, han surgido multitud de metodologías que intentan solucionar los problemas de registrar y alinear nubes de puntos ubicadas en posiciones aleatorias o cuando no tienen una estimación de la transformación que los diferencia. En este proceso de reconstrucción 3D, después de escanear u obtener datos desde diferentes puntos de vista, uno de los principales desafíos es establecer los puntos correspondientes entre las diferentes capturas para alinear correctamente ese par de nubes de puntos (integración o registro) en base a un mismo sistema de referencia. Es necesario ajustar y alinear las nubes de puntos correspondientes a los escaneos del objeto o escena en cuestión para poder realizar la reconstrucción o digitalización para cual sea su aplicación. En este trabajo de investigación se propone un algoritmo que involucra técnicas de Aprendizaje Profundo para obtener un correcto registro de nubes de puntos capturadas en ambientes de oclusión, alta reflectancia y datos faltantes.Item Gestión y Análisis de datos en Pacientes hipertensos y/o diabéticos para la mitigación de riesgos y/o complicaciones mediante modelos de inteligencia artificial(Universidad Industrial de Santander, 2022-11-11) Serrano Rincón, Pablo Eduardo; Pedraza Ferreira, Gabriel Rodrigo; Mantilla Duarte, Carlos Alfonso; Andrade Sosa, Hugo HernandoEl control de la diabetes y la hipertensión es una tarea rigurosa, la cual requiere tener la mejor atención médica en el menor tiempo posible. Una rápida atención puede ayudar a evitar la progresión de la enfermedad. Hoy en día, la tecnología nos brinda dispositivos con la capacidad de generar miles de datos, los cuales pueden usarse para construir conocimiento en la detección temprana de riesgos. El proyecto presente propone el diseño de un motor de análisis de datos que apoye el tratamiento de estos pacientes brindando un entorno inteligente. El motor tendrá la funcionalidad de gestionar los datos de dispositivos Wearables en una base de datos, los cuales serán procesados y analizados por modelos de inteligencia artificial para identificar y predecir el desarrollo de factores de riesgo que puedan incidir en la aparición de complicaciones. A partir de estos datos, se diseñarán informes que serán utilizados por los servicios REST Whatoko para visualización en un dashboard, de tal manera que puedan ser interpretados tanto por el personal Médico como el paciente.Item Metodología de clasificación en imágenes espectrales a partir del uso de redes neuronales en un sistema con múltiples vistas angulares(Universidad Industrial de Santander, 2022-03-30) Córdoba Carrero, Junior Alejandro; Márquez Castellanos, Miguel Ángel; Argüello Fuentes, Henry; Bautista Rozo, Lola Xiomara; Bacca Quintero, Jorge LuisLa clasificación se ha convertido en una herramienta indispensable en áreas comerciales como de la investigación al ser usada en el reconocimiento de objetivos y la interpretación de imágenes, más aún al usar información espectral, porque el comportamiento de la reflectancia a diferentes frecuencias electromagnéticas es característico de cada material, siendo posible identificarlos y analizarlos usando procesamiento de imágenes. Las SI son capturadas mediante sistemas ópticos, estos permiten obtener imágenes espectrales con una alta resolución espectral, pero su uso se ve limitado a escenarios donde los objetos poseen poco o nulo movimiento y su adquisición requiere altas capacidades de almacenamiento y de transmisión de datos. Para solucionar estos problemas, surge el muestreo compresivo espectral, que establece que es posible estimar la información espectral de una escena a partir de menos proyecciones que las requeridas por los sistemas ópticos tradicionales. A pesar de que estas técnicas permiten solucionar problemas de almacenamiento, transferencia de información, altos tiempos de adquisición, entre otros, tienen como desventaja la degradación de la información espacial. Para mejorar la calidad de reconstrucción y de clasificación se usan algunos métodos tradicionales para la dquisición de multiples imágenes como son el barrido por fila espectral, pixel por pixel y por banda espectral, se han modificado los sistemas ópticos a su vez de desarrollar e implementar aplicaciones y algoritmos basados en técnicas de DL con pocas proyecciones. En este trabajo se propone el estudio de un sistema compresivo óptico computacional que permite mejorar las tareas de clasificación a partir de una única medida comprimida la cual se obtiene mediante un arreglo de lentes y de una red neuronal basada en aprendizaje profundo.Item Predicción de lesiones neoplásicas intestinales empleando características visuales en colonoscopias(Universidad Industrial de Santander, 2020) Sierra Jerez, Franklin Samuel; Martínez Carrillo, FabioLos pólipos, representados como protuberancias anormales a lo largo del tracto intestinal, son el principal biomarcador para diagnosticar el cáncer gastrointestinal. Durante las colonoscopias rutinarias, estos pólipos se caracterizan en términos generales según los patrones microvasculares y de textura superficial. Recientemente, las secuencias de imágenes de banda cercana NBI han surgido como una técnica complementaria para mejorar la descripción de las superficies de la mucosa sospechosa, siguiendo patrones de los vasos sanguíneos. No obstante, la dependencia en cuanto a la experticia por parte de los expertos durante la evaluación, junto con pólipos que pasan desapercibidos y no son caracterizados, reducen la posibilidad de tratamientos eficaces. Además, los problemas que se plantean durante la colonoscopia, como los movimientos abruptos de la cámara, entre otros, dificultan la tarea de diagnóstico. En este trabajo se presenta una estrategia convolucional robusta a nivel de cuadro con la capacidad de caracterizar y predecir pólipos de tipo: hiperplásicos, adenomas y dentados, sobre secuencias de video NBI. La estrategia propuesta fue evaluada sobre un total de 76 videos logrando una exactitud de 90,79% para distinguir entre estas tres clases. Notablemente, el enfoque logra un 100% de exactitud para diferenciar los pólipos dentados intermedios, cuya evaluación es desafiante incluso para un gastroenterólogo experto. El enfoque también fue favorable para apoyar las decisiones de resección de pólipos, incluso logrando una puntuación perfecta en el conjunto de datos evaluados. En cuanto a la relevancia clínica, el enfoque propuesto apoya la caracterización histológica observable de los pólipos durante una colonoscopia rutinaria, evitando la clasificación errónea de masas potenciales que podrían evolucionar en cáncer.