Vitela: Repositorios Institucional de la Pontificia Universidad Javeriana
Not a member yet
2988 research outputs found
Sort by
Segmentación del cuello uterino en imágenes de colposcopia mediante técnicas de aprendizaje de máquina
No full textEl virus del papiloma humano (VPH) es una enfermedad de transmisión sexual que puede desencadenar cáncer de cuello uterino, siendo esta la cuarta neoplasia más frecuente en las mujeres a nivel mundial y la segunda a nivel nacional, convirtiéndose en uno de los principales problemas de salud pública. Por esta situación, actualmente se realizan diferentes campañas de salud que promueven los exámenes de tamización del cáncer de cuello uterino como: citología, colposcopia y prueba del virus del papiloma humano, los cuales permiten la detección de esta enfermedad. Sin embargo, los tiempos de espera para obtener los resultados son altos debido a la infraestructura deficiente de los laboratorios, incluso las pruebas recolectadas en los exámenes están sujetas a una manipulación o almacenamiento inadecuado afectando el diagnóstico, ocasionando que la prueba se deba tomar de nuevo, postergando el diagnóstico. Ante esta situación donde la salud de millones de mujeres se ve afectada cada año, se opta por aprovechar las imágenes de colposcopia para analizar el estado del cuello uterino mediante técnicas de aprendizaje de máquina como una herramienta para soportar el diagnóstico de las pacientes, empleando métodos supervisados y no supervisados, para mejorar el tiempo de diagnóstico de esta enfermedad, debido a que esto permite evaluar un gran número de datos en menor tiempo. Con el fin de ayudar a dar solución a este problema de salud pública, se desarrolló un aplicativo de escritorio que cuenta con modelos de aprendizaje supervisado y no supervisado. Para llegar a este producto fue necesario acondicionar las bases de datos para que las imágenes sean uniformes, revisar documentación de trabajos previos, así como también modelos, para poder implementarlos, finalmente se evaluaron todos los modelos para definir cuales cumplen con las métricas establecidas que garantizan un buen rendimiento para el proyecto de CITOBOT, el cual es financiado por Minciencias y está siendo desarrollado por un equipo multidisciplinario de las facultades de ingeniería y ciencias de la salud, en colaboración con la ESE Ladera de la ciudad de Cali.The human papillomavirus (HPV) is a sexually transmitted disease that can trigger cervical cancer, being the fourth most frequent neoplasm in women worldwide and the second at national level, becoming one of the main public health problems. Due to this situation, different health cam paigns are currently being carried out to promote cervical cancer screening tests such as: cytology, colposcopy and human papillomavirus test, which allow the detection of this disease. However, the waiting times to obtain the results are high due to the deficient infrastructure of the laboratories, even the tests collected in the exams are subject to inadequate handling or storage affecting the diagnosis, causing the test to be taken again, delaying the diagnosis. Faced with this situation where the health of millions of women is affected every year, it is decided to take advantage of colposcopy images to analyze the state of the cervix through machine learning techniques as a tool to support the diagnosis of patients, using supervised and unsupervised methods, to improve the time of diagnosis of this disease, because this allows to evaluate a large number of data in less time. To build the application capable of segmenting any colposcopy image using machine learning, it will be necessary to condition the database so that the images are uniform. Likewise, the documen tation process of previous works and methods will be important at the moment of implementing machine learning algorithms, from the results obtained with the different methods it is determined which results comply with the metrics and serve correctly to be used in the CITOBOT project for the identification of cancer stages
Efectos de la herbivoría por orugas en la incidencia de mecanismos físicos anti-herbivoría en plantas tropicales del orden Malpighiales
No full textLas relaciones antagonistas entre plantas y animales son motores de biodiversidad que se han estudiado ampliamente. Sin embargo, en el caso específico de las interacciones entre orugas herbívoras y plantas, los estudios individuales dificultan tener una visión global sobre el efecto de estas interacciones en la evolución de las estrategias de defensa por parte de las plantas. En este trabajo de grado se exploraron las interacciones entre las plantas tropicales del orden Malpighiales y orugas herbívoras (Lepidoptera). Específicamente se evaluó la relación entre la incidencia de varios mecanismos físicos de defensa anti-herbivoría con relación a la riqueza y periodo de actividad de las mariposas que las ovipositan. Se examinaron modelos de regresión logística filogenética en un marco de máxima verosimilitud con datos que se obtuvieron en observaciones de campo y en revisión bibliográfica. Se encontró que la cantidad de estrategias físicas de defensa presentes en los géneros (i.e. espinescencia, pubescencia, nectarios extraflorales y falsos huevos) se relaciona significativamente con la riqueza de géneros de mariposas que utilizan los géneros de Malpighiales como plantas hospederas, y más específicamente con los géneros de mariposas diurnas. Por su parte, al evaluar individualmente cada mecanismo, se detectó una relación significativa (también positiva) para la presencia de nectarios extraflorales. La existencia de un mayor número de mecanismos de defensa en relación a una mayor riqueza de orugas confirma la hipótesis de que la diversidad de herbívoros puede impulsar la diversificación de las plantas. Los nectarios extraflorales no solo constituyen una de las estrategias anti-herbovría más comunes en Malpighiales, sino también en angiospermas, estableciendo un vínculo con hormigas que actúan como defensoras. Este estudio contribuye a la comprensión de estas complejas interacciones e ilustra la necesidad de considerar múltiples factores al estudiar los mecanismos físicos de defensa en las plantas tropicales del orden Malpighiales y otros sistemas.The antagonistic relationships between plants and animals are drivers of biodiversity that have been extensively studied. However, in the specific case of interactions between herbivorous caterpillars and plants, individual studies make it challenging to have a comprehensive understanding of the effect of these interactions on the evolution of plant defense strategies. This undergraduate thesis explores the interactions between tropical plants of the order Malpighiales and herbivorous caterpillars (Lepidoptera). Specifically, we evaluated the relationship between the incidence of various physical anti-herbivory defense mechanisms and the richness and activity period of the butterflies that oviposit on them. We examined phylogenetic logistic regression models within a maximum likelihood framework using data that we obtained from field observations and literature review. We found that the number of physical defense strategies present in the genera (i.e., spinescence, pubescence, extrafloral nectaries, and fake eggs) is significantly correlated with the richness of butterfly genera that use Malpighiales genera as host plants, and more specifically, with genera of diurnal butterflies. When evaluating each mechanism individually, we detected a significant (also positive) relationship for the presence of extrafloral nectaries. The existence of a greater number of defense mechanisms in relation to a higher richness of caterpillars confirms the hypothesis that herbivore diversity can drive plant diversification. Extrafloral nectaries not only are one of the most common antiherbivory strategies in Malpighiales but also in angiosperms, establishing a link with ants that act as defenders. This study contributes to the understanding of these complex interactions and illustrates the need to consider multiple factors when studying physical defense mechanisms in tropical plants of the order Malpighiales and other systems
Graph based Image fusion and features extraction for remote sensing applications
No full textRecientemente los avances en la tecnología de sensores han conllevado a un incremento en la disponibilidadde imágenes (a una alta resolución espacial y espectral) hiper-espectrales, multi-espectrales(ME), y de radar de apertura sintética (SAR), las cuales permiten describir un objeto o un fenómeno. Cada sensor captura diferente información que explica distintas características físicas. Por ejemplo, un sensor SAR captura información relacionada a características de la superficie (como la aspereza, estructura geométrica, y orientación), y un sensor ME captura la reflectancia de los objetos a diferentes longitudes de onda. Sin embargo, la información obtenida en tierra por un solo sensor es limitada para sacar conclusiones confiables sobre algún fenómeno como la detección de cambios en la cobertura del suelo y el crecimiento de biomasa. Por el contrario, las técnicas de fusión de imágenes integran información espectral, espacial y temporal de diferentes sensores con el fin de obtener información apropiada y generar imágenes adecuadas para la percepción humana y de maquina. La fusión de imágenes es el proceso de combinar dos o más imágenes en una sola, la cual debe de ser más informativa y por lo tanto útil en diferentes aplicaciones de sensado remoto (i.e. geología, agricultura, miliar, etc). Por ende, generalmente es deseado el uso de datos capturados por diferentes sensores.
Aunque la fusión de datos contribuye a mejorar el desempeño en tareas de clasificación y detección en sensado remoto, es una tarea que es compleja. Por ejemplo, las diferentes resoluciones, unidades,dimensiones, y formatos son retos impuestos por los datos sin procesamiento alguno. Además, los datos homogéneos (i.e. datos captados por el mismo sensor) presentan pequeñas variaciones intraclase
y distorsiones por brillo (artefactos), para el caso de datos heterogéneos (i.e. datos captados por diferentes sensores) los pixeles poseen diferentes firmas y por lo tanto siguen un comportamiento estadístico diferente lo cual dificulta la extracción de información relevante de los datos fusionados. En consecuencia, puede ser necesario el uso de pre-procesamiento y post-procesamiento. A pesar de que numerosos métodos propuestos en las últimas décadas para la fusión de datos que se enfocan en la extracción de características, embebimiento de espacios, modelamiento de datos, adaptación de dominio, transformación de datos, aprendizaje por transferencia, y traducción de imagen a imagen, el análisis estructural inducido por los grafos no ha sido ampliamente explorado. Más precisamente, los actuales algoritmos de fusión basados en grafos han mostrado su habilidad para lidiar con la variabilidad que presentan el formato de los datos y han permitido de una manera flexible representar la relación entre entidades de datos. No obstante, los métodos de fusión de datos basados en grafos no explotan la información prior embebida en los datos (i.e. procesamiento de señales en grafos), son altamente impactados por la forma de representar una imagen (i.e. pixelescomo nodos, super-píxeles como nodos, y parches como nodos), y la regla de fusión que se utiliza usualmente depende más de la matriz de pesos que de las bases espectrales.Recent advances in sensor technology have lead to the increased availability of hyper-spectral, multi-spectral (MS), and synthetic aperture radar (SAR) images (at very high spatial and spectral resolutions), which describe an object or phenomenon. Each sensor captures different information that explains physical features. For example, a SAR sensor captures information about the physical characteristics of a surface (such as roughness, geometric structure, and orientation), and an MS sensor captures reflectances at different wavelengths from objects. Nonetheless, the ground
information obtained from a single sensor is limited to draw reliable conclusions about phenomena such as changes in land cover and biomass growth. In contrast, image fusion techniques integrate spectral, spatial, and temporal information from several sensors to obtain appropriate information and construct images that are more suitable for human and machine perception. Image fusion is a process of combining two or more images into a single image which is more informative, henc useful and helpful in different remote sensing applications (i.e geology, agriculture, military, etc). Therefore, it is generally desirable to use data captured from different sensors.
Even though data fusion contributes to better performance in classification and detection in remote sensing, it is a complex task. For example, the different resolutions, units, dimensions, and formats are challenges imposed by raw data. Furthermore, homogeneous data (i.e. data acquired from the same sensor) presents small intra-class variability and brightness distortions (artifacts), in the case of heterogeneous data (i.e. data acquired from different sensors) the pixels have different signatures, and therefore follow distinct statistical behaviors that makes difficult the extraction of relevant information from the fused data. Consequently, pre-processing and post-processing stages might be needed. Despite the numerous data fusion proposed methods in the past few decades that focuses on approaches such as feature extraction, space embedding, data modeling, domain adaptation, data transformation, transfer learning, and image-to-image translation, structural analysis induced by graphs have not been widely explored. More precisely, the current graph-based fusion algorithms have shown their ability to cope with the variability of data formats and provide a flexible way of representing the relationship between data entities. Nonetheless, the graph-based fusion methods do not exploit prior information embedded in the data (i.e. graph signal processing). In addition, they are highly impacted by the image representation (i.e. pixels as a node, super-pixels as a node, or patches as nodes), and the fusion rule commonly relies more in the weighted adjacency matrix rather than the spectral basis
Sistema de detección de cáncer de piel con aprendizaje de máquina para dispositivo de bajo consumo
No full textEl cáncer de piel, que representa aproximadamente el 10% de los casos de cáncer a nivel mundial, se enfrenta a desafíos significativos en términos de diagnóstico preciso. Los expertos en la materia han señalado que tres de cada cuatro herramientas de diagnóstico asistido para el cáncer de piel clasifican incorrectamente alrededor del 30% de los casos de melanoma. Estas herramientas, caracterizadas por su alto costo computacional, inciden directamente en los gastos de implementación, afectando así el acceso a los servicios de salud. En el presente trabajo se presentan un sistema de diagnóstico de cáncer de piel diseñado específicamente para dispositivos de bajo consumo. Se inicia con el análisis del conjunto de datos HAM10000, seguido por el desarrollo de un modelo de aprendizaje profundo destinado a la clasificación de esta enfermedad. Posteriormente, se planteó la creación de una herramienta de diagnóstico asistido, adaptada para su uso en dispositivos de bajo consumo. La evaluación de su rendimiento a nivel hardware y software completa el proceso
Reinventando el modelo organizativo de Prizo S.A.S
No full textPrizo S.A.S es una empresa creada en el año 2011 que tiene como objetivo el suministro de servicios tecnológicos desde el diseño, la ejecución y puesta en marcha de proyectos de infraestructura de redes, además de brindar asistencia en mantenimientos preventivos y correctivos, aplicando infraestructuras tecnológicas más seguras, escalables e inteligentes. Actualmente Prizo S.A.S cuenta con más de diez años de experiencia en el sector de las tecnologías de la información. La compañía ha suministrado sus servicios a diversos clientes y sectores a nivel nacional, como lo son: Droguería Cruz Verde, Medicarte, Hotel NH, Mapfre, grupo Fanalca y pequeños comercios locales
Implementación de un módulo de suelo para el monitoreo remoto de cultivos de alto rendimiento
No full textEl monitoreo de variables agrícolas puede mejorar la tecnificación y disminuir el tiempo en los procesos de medición, facilitando a los agricultores el control de sus cultivos, incrementando la productividad y mejorando la calidad de los productos. El instituto de investigación en Ciencias ÓMICAS - iÓMICAS presentó PhenoAgro como una plataforma de fenotipado de alto rendimiento con el fin de optimizar la adquisición de datos de plantas individuales y grandes parcelas de cultivo, dicha plataforma se compone de los siguientes módulos: módulo de planta, potencia y comunicaciones o MPPC, módulo de variables atmosféricas (pluviosidad, radiación solar, velocidad y dirección del viento, temperatura y humedad atmosférica), módulo de movimiento (voltaje y corriente de motores, posición lineal, posición radial) y módulo de variables de suelo (pH, conductividad, nitrógeno, potasio, fósforo, temperatura y humedad del suelo). En este trabajo se propone un módulo de bajo costo, alta resolución y cobertura para la medición de variables agrícolas en cultivos de alto rendimiento, para ello, se realizó el diseño e implementación de un módulo de monitoreo remoto para medir variables de suelo como la temperatura y la hume dad, utilizando equipos livianos, de fácil instalación, mantenimiento y dotando al dispositivo de protección completa contra polvo y chorros de agua. El sistema está ubicado en el nivel 5 en cuanto a los niveles de preparación tecnológica, que consta de la validación de componentes y subsistemas en un entorno relevante, por esta razón, se prueba en el instituto ÓMICAS ubicado en la Pontificia Universidad Javeriana de la ciudad de Cali. El proyecto se encuentra orientado en el segundo objetivo de desarrollo sostenible denominado hambre cero, el cual plantea poner fin al hambre y mejorar la nutrición promoviendo una agricultura más sostenible y garantizando la seguridad alimentaria. El módulo propuesto es compatible con el MPPC de la plataforma PhenoAgro para visualizar la información en la plataforma web.The monitoring of agricultural variables can improve technological processes and reduce time in measurement, facilitating farmers to control their crops, increasing productivity and improving products quality. The research institute in OMICS Sciences - iÓMICAS presented PhenoAgro as a high-performance phenotyping platform in order to optimize the data acquisition of individual plants and large crop plots, this platform is composed of the following modules: plant, power and communications module or MPPC, atmospheric variables module (rainfall, solar radiation, wind speed and direction, temperature and atmospheric humidity), motion module (motor voltage and current, linear position, radial position) and soil variables module (pH, conductivity, nitrogen, po tassium, phosphorus, soil temperature and humidity). This work proposes a low cost, high resolution and coverage module for the measurement of agri cultural variables in high yield crops. For this purpose, the design and implementation of a remote monitoring module for the measurement of soil variables such as temperature and humidity. The module uses light equipment, easy installation, maintenance and providing with complete protection against dust and water jets. The system is located at level 5 in terms of TRL (Technology Readiness Levels), which consists of the validation of components and subsystems in a relevant environment; for this reason, it is being tested at the ÓMICAS institute located at the Pontificia Universidad Javeriana in the city of Cali. The project is oriented to the second sustainable development goal ca lled zero hunger, which aims to end hunger and improve nutrition by promoting a more sustainable agriculture and ensuring food security. The proposed module is compatible with the MPPC of the PhenoAgro platform to visualize the information on the web platform
Cáñamo la moda más verde
No full textEl proyecto de visibilización de los beneficios del uso de tejidos de cáñamo en la industria de la moda se forja en respuesta a las imperantes necesidades medioambientales, agravadas por la crisis climática, la degradación del planeta y la acelerada pérdida de biodiversidad. En este contexto, la adopción de materiales sostenibles emerge como una respuesta urgente. El cáñamo se posiciona como una opción especialmente prometedora en este escenario, ya que su cultivo demanda menos agua y pesticidas que otros cultivos textiles convencionales, contribuyendo significativamente a la reducción de la huella ambiental
Prestación de servicios de distribución, instalación y mantenimiento de cargadores para usuarios de vehículos sostenible PHEV, EREV y BEV en la ciudad de Santiago de Cali, Valle del Cauca
No full text
Guía práctica : implementación de metodologías para el aislamiento, preservación y uso de hongos micorrízicos de orquídeas
No full textEl presente manuscrito proporciona información detallada de la relación entre orquídeas y hongos benéficos que participan de su nutrición, dicho de manera técnica las micorrizas orquidioides, destacando la importancia de estos hongos en la conservación y adaptación de las orquídeas. Se presentan los procedimientos claves, desde la observación en campo de las orquídeas en su hábitat natural hasta la extracción en laboratorio de sus hongos simbiontes que están en las raíces formando pelotones. Se describe en detalle los protocolos de aislamiento, identificación, preservación y uso de los hongos micorrízicos que son esenciales para la germinación en campo y laboratorio de las semillas microscópicas de las orquídeas.
Lo anterior es fundamental, para la recuperación de poblaciones de plantas tan amenazadas por malas prácticas de los humanos, por lo tanto, el material que se brinda es de importancia práctica y teórica en la conservación de la biodiversidad vegetal. Finalmente, se espera que esta cartilla sea un recurso integral no solo para investigadores, sino conservacionistas y amantes de las orquídeas interesados en contribuir a la protección de las mismas. Reunir varias áreas de estudio, como ecología, microbiología y técnicas moleculares principalmente, proporciona bases sólidas para el estudio y la aplicación de estrategias que propenden por el cuidado y protección efectivas de estas maravillosas plantas en peligro poniendo foco a los hongos micorrízicos orquidioides