Facultad de Matemáticas
http://redi.uady.mx:8080/handle/123456789/52
2023-10-06T03:24:45ZSistema de monitoreo y emisor de recomendaciones basado en aprendizaje automático y oncologías.
http://redi.uady.mx:8080/handle/123456789/6174
Sistema de monitoreo y emisor de recomendaciones basado en aprendizaje automático y oncologías.
VADILLO MEJIA, CHRISTIAN JESUS
Uno de los desafíos en la operación de procesos industriales es la seguridad y confiabilidad del sistema. Este punto es importante ya que se manejan recursos potencialmente peligrosos para el entorno natural. Además, se sabe que todo sistema construido por humanos es poco confiable y propenso a fallas. En años recientes, el aprendizaje automático se ha empleado para labores de detección de fallas con resultados favorables. En un modelo de aprendizaje automático, los datos recopilados son utilizados para el entrenamiento del modelo con el fin de encontrar patrones ocultos en los datos producidos por el proceso de interés. Por otro lado, uno de las desventajas principales de los modelos de aprendizaje automático es la pobre interpretación que se le puede dar a sus resultados. Para dar solución a este problema, en este trabajo se plantea un enfoque para un sistema de monitoreo y detección de fallas que es aplicado a una biorrefinería de producción de hidrógeno. El sistema de monitoreo y detección de fallas está basado en un modelo de aprendizaje automático y un modelo ontológico. Por un lado, se realiza la detección de fallas utilizando un modelo Random Forest, el cual determina si un proceso esta funcionando correctamente o si existe un problema. Posteriormente, el modelo ontológico se encarga de inferir con mas detalle el estado de los procesos, las fallas o posibles fallas y el alcance de estas. Esto se hace a través de la modelación de entidades y relaciones extraídas del conocimiento del experto. Los resultados mostraron que el uso del modelo ontológico no sólo facilita el diagnóstico de fallas en los procesos, sino que es capaz de detectar fallas que el modelo de aprendizaje automático fue incapaz de detectar. Por último, se presenta una plataforma web que encapsula cada uno de los componentes descritos previamente. El sistema de monitoreo web es capaz de registrar mediciones nuevas, detectar fallas y emitir recomendaciones.
2020-11-18T00:00:00Z"Reconocimiento del modelo de vehículo con ensamble de redes neuronales convolucionales."
http://redi.uady.mx:8080/handle/123456789/6173
"Reconocimiento del modelo de vehículo con ensamble de redes neuronales convolucionales."
PINZON VIVAS, JOSUE DAVID
El constante incremento en la creación e implementación de sistemas inteligentes de transporte ha dado lugar al interés por desarrollar nuevos y mejores modelos de reconocimiento de vehículos. Usualmente existen dos enfoques hacia el reconocimiento de vehículos, el reconocimiento de grano grueso, que busca clasificar a los vehículos acorde a su tama˜no o tipo, y el de grano fino, que busca clasificar los vehículos a nivel marca o modelo. En la literatura sobre reconocimiento de vehículos es común encontrar trabajos que realizan esta tarea utilizando sólo un punto de vista de los vehículos, y son escasos los trabajos que se enfocan al problema de múltiple vista. El reconocimiento de vehículos usando múltiples vistas supone ser un problema más desafiante, pero es necesario para extender los límites de los actuales sistemas inteligentes. En este trabajo se propuso un modelo basado en redes neuronales convolucionales de alta eficiencia para resolver el problema de reconocimiento de vehículos de grano fino usando imágenes de múltiples vistas. Se creó un Ensamble de Efficient-Nets que superó los resultados del estado del arte en reconocimiento de vehículos. El modelo propuesto logró una accuracy Top-1 de 94.1% en la base de datos CompCars a nivel modelo y una accuracy Top-1 de 96.67% a nivel marca.
2020-10-22T00:00:00ZRes2Unet: una red completamente convolucional para la segmentación del parásito Trypanosoma cruzi.
http://redi.uady.mx:8080/handle/123456789/6172
Res2Unet: una red completamente convolucional para la segmentación del parásito Trypanosoma cruzi.
OJEDA PAT, ALLAN EDUARDO
La enfermedad de Chagas es un problema de salud pública, que causa miles de muertes por año atribuidas a problemas cardíacos, digestivos, neurológicos o mixtos, y debido a que la mayoría de las personas infectadas no presentan síntomas, se considera una enfermedad potencialmente mortal. Un análisis de sangre resulta ser el método preferido para generar un diagnóstico de la enfermedad; sin embargo, es un proceso tardado, ya que requiere de mucho esfuerzo por parte de expertos para analizar grandes cantidades de muestras en búsqueda de parásitos. La implementación de sistemas automáticos que faciliten la segmentación del parásito en imágenes de muestras de sangre capturadas por microscopio puede ser de gran utilidad para ahorrar tiempo y esfuerzo. Por lo tanto, en este trabajo de tesis desarrollamos el modelo de segmentación semántica Res2Unet basado en aprendizaje profundo para facilitar la visualización de la morfología del parásito Trypanosoma cruzi en imágenes digitales de muestras de sangre. Comparamos el desempeño de segmentación obtenido con nuestra propuesta contra los modelos U-Net, ResUnet, y los clasificadores basados en aprendizaje automático Gauss y máquinas de soporte vectorial (SVM).
2020-10-23T00:00:00ZAnálisis y procesamiento de imágenes ecocardiográficas en modelo murino.
http://redi.uady.mx:8080/handle/123456789/6171
Análisis y procesamiento de imágenes ecocardiográficas en modelo murino.
VIANA CAMARA, RAFAEL ADRIAN
La enfermedad de Chagas, también llamada tripanosomiasis americana, es una enfermedad potencialmente mortal causada por el parásito protozoario Trypanosoma cruzi. Debido a que los parásitos permanecen ocultos principalmente en el músculo cardíaco, con el paso de los años la infección puede causar muerte súbita por arritmias cardiacas o insuficiencia cardiaca. En el presente trabajo se ofrece una técnica de segmentación semiautomática del ventrículo izquierdo en imágenes ecocardiográficas del modelo murino empleando técnicas de contornos activos sin bordes y segmentación de conjuntos de nivel basados en el uso de una forma a priori. El primer paso consta de construir una base de datos de imágenes segmentadas manualmente de las cuales se obtienen las máscaras, se promedian y mediante el algoritmo de reinicialización se calcula el conjunto de nivel. Después se aplica la técnica de contornos activos sin bordes la cual dada una imagen u0 y dado un contorno inicial C0 se pretende minimizar las funcionales, de tal manera que el contorno inicial sea lo más ajustado al contorno del objeto dentro de la imagen u0, a la cual se le añade una restricción de forma mediante los conjuntos de nivel calculados con anterioridad de tal manera que el algoritmo le de más peso a la forma del objeto que queremos encontrar (ventrículo izquierdo) que a las variaciones de intensidades de los pixeles. Las pruebas realizadas fueron en pacientes de control, a pesar de los artefactos característicos de este tipo de imágenes (atenuación, moteado, sombras y pérdida de señal) fue posible la segmentación de la región del ventrículo izquierdo bajo un pre procesamiento de las imágenes. El resultado final del algoritmo es una máscara que representa el contorno o región ocupado por el ventrículo izquierdo, es posible medir la precisión del algoritmo comparándolo con la máscara segmentada manualmente.
2019-11-27T00:00:00Z