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 - 7 of 7
Results Per Page
Sort Options
Item Algoritmo de reconstrucción de fuentes sísmicas usando aprendizaje profundo basado en los datos adquiridos(Universidad Industrial de Santander, 2023-03-06) Rodríguez López, Luis Miguel; Galvis Carreño, Laura Viviana; Arguello Fuentes, Henry; León López, Kareth Marcela; Martinez Carrillo, Fabio; Garzón Villamizar, Gustavo AdolfoLos levantamientos sísmicos a menudo se ven afectados por la irregularidad y el muestreo resultante de las limitaciones en la adquisición, como obstáculos y restricciones ambientales. Por lo tanto, se han desarrollado varios algoritmos para reconstruir estos datos faltantes, incluida la interpolación basada en transformadas y métodos de reconstrucción basados en aprendizaje profundo, donde este último permite extraer estructuras más completas, pero requiere bases de datos sísmicos externos. Alternativamente, los métodos de imagen-previa-profunda (DIP del inglés Deep Image Piror) mitigan el uso de información de entrenamiento extensa al considerar solo los datos observados, mostrando resultados prometedores en la recuperación de trazas sísmicas. Este trabajo propone una red neuronal convolucional basada en DIP para recuperar fuentes perdidas en un levantamiento sísmico tridimensional (3D) que explota, como datos previos, los datos adquiridos y la estructura de la red neuronal convolucional. Además, teniendo en cuenta la correlación en el dominio de origen, se emplea un operador para desplazar verticalmente el conjunto de trazas para tener la máxima correlación de datos en la red. Experimentos numéricos muestran que la red propuesta recupera el conjunto completo de trazas en cada toma-recopilación, donde la información y los eventos se conservan, aunque no e adquiera la fuente.Item Algoritmo iterativo de reconstrucción de imágenes espectrales considerando el desajuste del sistema óptico mediante un regularizador de refuerzo.(Universidad Industrial de Santander, 2023-02-22) Gualdrón Hurtado, Yesid Romario; Bacca Quintero, Jorge Luís; Arguello Fuentes, Henry; Rueda Chacón, Hoveer Fabián; Garzón Villamizar, Gustavo AdolfoLas imágenes espectrales capturan información espacial a lo largo del espectro electromagnético con un alto costo en tiempos de adquisición. Dichas imágenes pueden ser obtenidas con un sistema óptico basado en capturas instantáneas lo cual reduce el tiempo de adquisición, en comparación con adquirir el cubo de datos espectral, sin embargo, para su reconstrucción se requiere de un proceso computacional. Además, existen diversos fenómenos que por una inadecuada calibración impiden el completo conocimiento del modelo de propagación, el cual es usado para obtener la imagen espectral resolviendo el problema inverso. El presente trabajo de grado muestra el desarrollo de un algoritmo iterativo para la reconstrucción de imágenes espectrales que considere el desajuste y las perturbaciones que se generan en el sistema óptico durante la implementación en el laboratorio mediante un regularizador de refuerzo aprendido. Para esto, se modela matemáticamente la adquisición de imágenes espectrales de un sistema óptico basado en apertura codificada de única captura (CASSI) considerando el problema de desajuste ocurrido en el proceso de calibración. Se realizaron simulaciones bajo distintos escenarios de desajuste junto con la influencia de emplear el regularizador de refuerzo propuesto, el rendimiento de las reconstrucciones fue evaluado bajo distintas métricas de calidad. Se realizo una implementación del sistema óptico para corroborar los resultados obtenidos. De allí se observa que el enfoque propuesto mejora sustancialmente los resultados en términos de las diversas métricas, en comparación con el caso en que se ignora el desajuste del sistema óptico.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 Cuantificación de patrones locomotores del pez cebra usando descriptores de movimiento en video(Universidad Industrial de Santander, 2021) Montenegro Martínez, Edgar Andrés; Martínez Carrillo, Fabio; Franco Restrepo, Juan Esteban; Guayacan Chaparro, Luis CarlosEl pez cebra (Danio Rerio) es un modelo animal emergente ampliamente utilizado en el estudio de efectos farmacológicos, compuestos químicos, toxicología, trastornos neuropsiquiátricos, mecanismos de enfermedades, entre muchos otros. La locomoción y el análisis delcomportamiento se han convertido en una prueba esencial para apoyar los bioensayos (pruebas enanimales) llevados a cabo sobre el pez cebra. Muchas de las estrategias computacionales existentesrequieren pasos de calibración, están limitadas a escenarios específicos y en muchos casos la dinámica del pez es solo aproximada por una trayectoria de movimiento global. Este trabajo presentauna estrategia para medir automáticamente mapas de ocurrencia cinemática que expresan patronesespacio-temporales del pez cebra, a partir de trayectorias locales de movimiento capturadas en unexperimento de comportamiento social. En el presente trabajo, los peces cebra fueron sometidosa un estrés ambiental agudo, posteriormente a 10 o 100 uM(micro molar) de cafeína durante 20minutos y finalmente a la prueba de comportamiento social durante 5 minutos. Como principal contribución, la estrategia propuesta devuelve mapas cinemáticos de ocurrencia que recuperan el historialde locomoción y que permite una mayor descripción del comportamiento social particular de cadaespécimen en secuencias de vídeo. Estos mapas pueden realzar las regiones de interés y explicarlos comportamientos en función de los patrones de frecuencia de velocidad y aceleración. Además,el enfoque propuesto tiene la capacidad de rastrear la locomoción global del pez cebra como lasaplicaciones estándar. Los resultados locomotores muestran una disminución de la distancia, la velocidad y la aceleración principalmente en el grupo expuesto al estrés más 10 uM de cafeína. Además,los resultados muestran una preferencia por la zona social en todos los grupos que aumenta conla exposición al estrés más 100 uM de cafeína, estos resultados fueron verificados con mapas deocurrencia para cada grupo.Item HERRAMIENTA COMPUTACIONAL PARA LA ASISTENCIA AL TRATAMIENTO DE HERIDAS CRÓNICAS EN PACIENTES DE HANSEN DEL DEPARTAMENTO DE SANTANDER.(Universidad Industrial de Santander, 2023-08-04) Estupiñan Cobos, Juan Sebastian; Sanchez Quiroga, Karen Yaneth; Arguello Fuentes, Henry; Garzon Villamizar, Gustavo Adolfo; Bacca Quintero, Jorge LuisLas heridas crónicas son un problema global, son padecidas por alrededor de 40 millones de personas en el mundo y son ocasionadas por enfermedades cardiovasculares, diabetes tipo-2 o infecciones agudas como la enfermedad de Hansen. La recuperación irregular de estas heridas hace necesario un tratamiento periódico, especialmente en los pacientes de Hansen, debido a la carga de la enfermedad, llegando a ocasionar deficiencias físicas irreversibles. A pesar de las complicaciones que generan estas heridas, en los países en desarrollo la asistencia no es oportuna debido al estado deficiente de las infraestructuras viales y sanitarias. Con el objetivo de asistir el tratamiento, varias herramientas computacionales basadas en el procesamiento de imágenes y el aprendizaje profundo han surgido recientemente. Sin embargo, estas propuestas se ven limitadas por factores de las imágenes de las heridas como la iluminación, tamaños, severidad, sombras o colores. Adicionalmente, los enfoques basados en datos solo cuentan con disponibilidad de datos de pacientes de diabetes de países desarrollados, dejando de lado los pacientes de Hansen y los países en desarrollo. Por lo tanto, este trabajo propone una herramienta computacional basada en aprendizaje profundo para el monitoreo de heridas crónicas de pacientes de la enfermedad de Hansen del municipio de Contratación, Santander, municipio en donde se encuentra el Sanatorio de Contratación E.S.E., el cual atiende más de 100 pacientes de Hansen. El enfoque permite un análisis de las heridas para evaluar su tamaño y forma al ejecutar la tarea de segmentación binaria. Por otro lado, un conjunto de datos anonimizado adquirido de pacientes de Hansen es presentado. El método propuesto presenta una mejora respecto a los trabajos del estado del arte, obteniendo un puntaje de 82.1 % en la métrica de valor-f1.Item Metodología de adquisición y reconstrucción de vídeos espectrales mediante el uso de la teoría de muestreo compresivo y redes neuronales convolucionales(Universidad Industrial de Santander, 2022-03-31) Calderón Carrillo, Camilo Andrés; Gómez Toloza, Pablo Andrés; Márquez Castellanos, Miguel Ángel; Andrade Sosa, Hugo Hernando; Galvis Carreño, Laura Viviana; Pertuz Arroyo, Said DavidLa adquisición de video espectral a partir de la teoría de muestreo compresivo (CSV, de sus siglas en inglés compressive spectral video) se ha convertido en un tema de investigación de gran interés en la comunidad de visión por computadora, debido a que estos sistemas permiten comprimir la información espacial, espectral y temporal en un conjunto de imágenes 2D para posteriormente recuperarla usando algoritmos de reconstrucción. Sin embargo, los enfoques de CSV se han limitado a comprimir únicamente la dimensión espectral de cada cuadro, es decir, no se desarrolla compresión temporal. Los enfoques alternativos son los sistemas de brazo doble basados en un generador de imágenes espectrales y temporales compresivas que fusiona las mediciones adyacentes para recuperar el vídeo espectral. Por lo tanto, es deseable el desarrollo de un generador de imágenes CSV que permita recuperar un vídeo espectral a partir de una única medición comprimida. Este trabajo propone una metodología de adquisición y compresión de video espectral mediante el uso de un elemento de codificación espacial binario tipo segmentado y un filtro tuneable. A través del sistema óptico propuesto, tanto la dimensión espectral como la temporal se pueden modular durante un tiempo de integración utilizando solo dos elementos ópticos.Item SEGMENTACIÓN AUTOMÁTICA DE PLEXO BRAQUIAL PARA FACILITAR EL BLOQUEO ECO DIRIGIDO UTILIZANDO REDES NEURONALES CONVOLUCIONALES(Universidad Industrial de Santander, 2022-09-08) Ramírez Triana, Nicolás Mauricio; Bautista Rozo, Lola Xiomara; Bacca Quintero, Jorge Luis; Galvis Carreño, Laura VivianaEl plexo braquial es una estructura nerviosa situada en el hombro, la cual transporta señales sensoriales y de movimiento desde la médula espinal hasta los brazos y las manos. El bloqueo del plexo braquial es el método anestésico más utilizado en las intervenciones quirúrgicas de los miembros superiores, el cual consiste en realizar una punción con una aguja especializada en el hombro del paciente hacia la sección del plexo que transportará la anestesia hacia el área deseada. Mediante el uso de imágenes de ultrasonido, los profesionales capacitados pueden realizar el procedimiento de bloqueo eco dirigido del plexo braquial, que consiste en observar la dirección y posición de la aguja con un ecógrafo a medida que esta se introduce. Sin embargo, la identificación y localización del plexo braquial mediante el ecógrafo presenta una dificultad considerable debido al ruido presente en las imágenes de ultrasonido, lo que puede implicar complicaciones en la salud del paciente en caso de realizarse de manera incorrecta. Las redes neuronales convolucionales podrían facilitar este procedimiento proporcionando una identificación y segmentación automática de la región de interés. Utilizando el conjunto de datos proporcionado por la competencia pública Ültrasound Nerve Segmentation", se implementó una arquitectura de redes neuronales convolucionales denominada U-net. La red neuronal implementada localiza y segmenta automáticamente el plexo braquial en el conjunto de datos mencionado. El modelo alcanza una puntuación de coeficiente de dados DSC=0,86 lo que permite concluir que el método propuesto localiza y segmenta satisfactoriamente el plexo braquial. Dichos resultados están en línea con otros trabajos de aprendizaje profundo, lo que sugiere que las redes neuronales convolucionales (CNN) podrían facilitar el procedimiento de bloqueo eco dirigido del plexo braquial.