Examinando por Autor "Cruz Roa, Angel Alfonso"
Mostrando 1 - 11 de 11
Resultados por página
Opciones de ordenación
Publicación Acceso abierto Algoritmo de aprendizaje semi-supervisado para la clasificación automática de regiones en imágenes de histopatología como apoyo al diagnóstico de cáncer(Universidad de los Llanos, 2019) Cano Ramírez, Fabián Alberto; Cruz Roa, Angel AlfonsoEl análisis y detección de patologías en láminas de histopatología requiere el tiempo de médicos patólogos especializados, quienes analizan las muestras de tejido en el microscopio. El tiempo que transcurre desde la extracción de tejido del paciente hasta que se conocen los resultados puede prolongarse por varios días e incluso meses, retrasando así el inicio del tratamiento. Gracias a la incipiente patología digital, las muestras son escaneadas y transformadas en imágenes digitales, permitiendo agilizar el análisis y detección de patologías. La sustitución de las imágenes microscópicas por imágenes digitales supone un avance importante que permite que patólogos a distancia puedan analizar los casos, reduciendo el tiempo necesario para iniciar el tratamiento y atención oportuna de pacientes con cáncer. Al realizar el análisis y preprocesamiento de las imágenes de histopatología por métodos computacionales se pueden reducir los tiempos de diagnóstico que requieren los patólogos para analizar los resultados, permitiendo a su vez priorizar el orden de las muestras más críticas o de difícil diagnóstico. En la actualidad existe un déficit de médicos patólogos, y los pocos que hay se encuentran concentrados en las ciudades principales del país, además, debido al limitado tiempo con el que cuentan y al incremento paulatino de las bases de datos de láminas digitalizadas de histopatología, es difícil la anotación manual y diagnóstico de todas las láminas por parte de los expertos. Por otra parte, los pacientes pueden requerir una segunda opinión acerca de un resultado, por lo que sería necesario esperar nuevamente por el análisis del médico patólogo, retrasando aún más en inicio del tratamiento. Debido a esto, es necesaria la incursión de métodos de aprendizaje computacional que puedan aprender a clasificar automáticamente regiones en grandes láminas de histopatología aprovechando los pocos ejemplos anotados por médicos patólogos. En este proyecto se implementa un algoritmo de aprendizaje de una sola vez que permite clasificar automáticamente regiones de tejido en grandes láminas digitalizadas de histopatología de cáncer de acuerdo con sus características visuales, con pocas o ninguna anotación por parte de expertos, así como la exploración de métodos de aprendizaje automático del estado del arte que incluyen estrategias de aprendizaje por transferencia como otra estrategia para aprovechar modelos entrenados previamente con más datos para escenarios con pocos datos anotados por los expertos.Publicación Acceso abierto Análisis comparativo del desempeño y costo computacional de una infraestructura de almacenamiento y procesamiento distribuido para el procesamiento de colecciones de texto(Universidad de los Llanos, 2017) Porras García, Yerson Ferney; Calderon Moreno, Roger; Cruz Roa, Angel AlfonsoLa computación distribuida para el procesamiento en paralelo sobre un clúster de computadores ofrece un rendimiento computacional mayor con tiempos de respuesta mucho menores que si se realizara el mismo procesamiento en una sola máquina. Si se toma en cuenta que cada computador por sí solo implica una serie de recursos y costos para su funcionamiento (económicos, humanos, etc.), y además se considera que cuanto más computadores se incluyan al clúster representará un aumento en tiempos de transmisión de información entre ellos, no es difícil inferir que habrá un punto en el cual se deberá hacer un balance entre las ventajas que ofrecen la inclusión de más computadores (en términos de capacidad de cómputo) y el costo que representan (en energía, dinero y transferencia de datos). Por lo tanto, el presente trabajo tuvo como objetivo realizar un análisis comparativo de la implementación de una plataforma de procesamiento distribuido de una colección de documentos de texto para la construcción de un sistema para la búsqueda de información y relevancia de resultados, usando representaciones como Bag of Words (BoW) y producto punto por medio de algoritmos de procesamiento distribuido, los cuales permitieron identificar la relación entre mejora de la capacidad de cómputo cuando se incrementa el número de computadores en el clúster como apoyo a la toma de decisiones en unidades de computación de alto desempeño para el análisis masivo de datos.Publicación Acceso abierto Aplicación móvil de colaboración abierta distribuida (CROWDSOURCING) como apoyo a la vigilancia entomológica de aedes aegypti(Universidad de los Llanos, 2018) Muñoz Meléndez, Daniel Fernando; Cruz Roa, Angel Alfonso; Díaz Celis, Cesar AugustoEl Aedes aegypti es el principal vector de transmisión de Zika, Dengue, Chikunguña, Fiebre Amarilla, en diversos países de América. Debido a la rápida propagación del mosquito, en la actualidad se ha optado por llevar un control del mismo, realizando visitas domiciliarias con el fin de identificar posibles criaderos y así tomar medidas de control, sin embargo esta práctica resulta ser poco eficaz debido a que la cantidad de habitantes supera en gran medida a la cantidad de personas que realizan esta labor, este factor junto al corto tiempo de vida del Aedes aegypti dificultan la posibilidad de recolectar gran cantidad de datos actualizados, es por ello y por la masificación de los dispositivos inteligentes que se desarrolló una aplicación de colaboración abierta distribuida (crowdsourcing) para dispositivos móviles, con el fin de capturar información georeferenciada con unos cortos intervalos de tiempo, sobre posibles criaderos, presencia del vector en alguna de sus etapas (principalmente larvas, pupas o zancudo), y síntomas que presente el usuario relacionados a las enfermedades que transmite el vector, facilitando así la recopilación de datos, y abarcando la mayor parte del territorio en menor tiempo a un menor costo, y dando la posibilidad de tomar medidas de prevención en el momento preciso a las unidades responsable y el interés público, buscando evitar o minimizar la proliferación del mosquito y disminuyendo el impacto en la salud pública, generando una vigilancia y control por parte de la misma comunidad. La aplicación móvil se desarrolló de forma nativa para dispositivos con sistema operativo iOS y Android, la cual permite a la población realizar reportes de posibles casos de criaderos, estadios del vector, o síntomas relacionados con enfermedades que transmite el vector, padecidos por el usuario, familiar o amigo, también cuenta con un módulo de información del usuario, en el cual se puede llevar un registro de la familia, mascotas que habitan con la persona, así mismo información básica de la vivienda habitada.La aplicación móvil producto de éste trabajo de grado, no solo brinda la posibilidad de reportar si no que también crea un canal de comunicación directo entre los usuarios y la plataforma con el fin de mantenerlos informados sobre diversos casos de alerta, medidas de prevención, entre otras noticias, lo cual resultó de gran interés para el público objetivo del aplicativo móvil, ya que resulta ser una herramienta de retroalimentación en la prevención de las enfermedades transmitidas por el vector.Publicación Sólo datos Clasificación y mapeo automático de coberturas del suelo en imágenes satelitales utilizando Redes Neuronales Convolucionales(Universidad de los Llanos, 2017-07-16) Suárez Londoño, Arnol Sneider; Jiménez López, Andrés Fernando; Castro Franco, Mauricio; Cruz Roa, Angel AlfonsoLa clasificación de cobertura del suelo es importante para estudios de cambio climático y monitoreo de servicios ecosistémicos. Los métodos convencionales de clasificación de coberturas se realizan mediante la interpretación visual de imágenes satelitales, lo cual es costoso, dispendioso e impreciso. Implementar métodos computacionales permite generar clasificación de coberturas en imágenes satelitales de manera automática, rápida, precisa y económica. Particularmente, los métodos de aprendizaje automático son técnicas computacionales promisorias para la estimación de cambios de cobertura del suelo. En este trabajo se presenta un método de aprendizaje automático basado en redes neuronales convolucionales de arquitectura tipo ConvNet para la clasificación automática de coberturas del suelo a partir de imágenes Landsat 5 TM. La ConvNet fue entrenada a partir de las anotaciones manuales por medio de interpretación visual sobre las imágenes satelitales con las que los expertos generaron el mapa de cobertura del parque nacional el Tuparro, de los Parques Nacionales Naturales de Colombia. El modelo de validación se realizó con datos de los mapas de coberturas del Amazonas colombiano realizado por el Sistema de Información Ambiental de Colombia. Los resultados obtenidos de la diagonal de la matriz de confusión de la exactitud promedio fue de 83.27% en entrenamiento y 91.02% en validación; para la clasificación en parches entre Bosques, áreas con vegetación herbácea y/o arbustiva, áreas abiertas sin o con poca vegetación y aguas continentales.Publicación Sólo datos Clasificación y mapeo automático de coberturas del suelo en imágenes satelitales utilizando Redes Neuronales Convolucionales(Universidad de los Llanos, 2017-07-16) Suárez Londoño, Arnol Sneider; Jiménez López, Andrés Fernando; Castro Franco, Mauricio; Cruz Roa, Angel AlfonsoLa clasificación de cobertura del suelo es importante para estudios de cambio climático y monitoreo de servicios ecosistémicos. Los métodos convencionales de clasificación de coberturas se realizan mediante la interpretación visual de imágenes satelitales, lo cual es costoso, dispendioso e impreciso. Implementar métodos computacionales permite generar clasificación de coberturas en imágenes satelitales de manera automática, rápida, precisa y económica. Particularmente, los métodos de aprendizaje automático son técnicas computacionales promisorias para la estimación de cambios de cobertura del suelo. En este trabajo se presenta un método de aprendizaje automático basado en redes neuronales convolucionales de arquitectura tipo ConvNet para la clasificación automática de coberturas del suelo a partir de imágenes Landsat 5 TM. La ConvNet fue entrenada a partir de las anotaciones manuales por medio de interpretación visual sobre las imágenes satelitales con las que los expertos generaron el mapa de cobertura del parque nacional el Tuparro, de los Parques Nacionales Naturales de Colombia. El modelo de validación se realizó con datos de los mapas de coberturas del Amazonas colombiano realizado por el Sistema de Información Ambiental de Colombia. Los resultados obtenidos de la diagonal de la matriz de confusión de la exactitud promedio fue de 83.27% en entrenamiento y 91.02% en validación; para la clasificación en parches entre Bosques, áreas con vegetación herbácea y/o arbustiva, áreas abiertas sin o con poca vegetación y aguas continentales.Publicación Acceso abierto Desarrollo de aplicación asíncrona basada en eventos para el procesamiento, visualización y análisis de las señales biométricas ECG(Universidad de los Llanos, 2018) Mosquera Alvarado, Víctor Hugo; Salamanca Salamanca, Edgar Alfonso; Fajardo Barrero, Juan; Cruz Roa, Angel AlfonsoEl desarrollo de este proyecto consistió en implementar una aplicación web en la que inicialmente el usuario se le exige autenticarse para poder ser dirigido a un conjunto de vistas, en dichas vistas se pueden consultar y visualizar datos de las muestras electrocardiográficas ECG, estos datos están compuestos por datos cardiovasculares, datos referentes a la muestra y las señales electrocardiográficas (ECG), estos se almacenaron en una plataforma Cloud y por medio de peticiones HTTP se lograron acceder para su respectivo manejo. Además de poder visualizar las señales EGC, también se implementó la simulación de las señales ECG en tiempo real, y por último el usuario puede realizar valoraciones de manera remota añadiendo un diagnóstico a la muestra con previamente un análisis y valoración a la señal ECG. La implementación de esta aplicación se basó en herramientas de desarrollo de software libre, se integró un sistema de autenticación de una plataforma para el desarrollo de aplicaciones web (Firebase), y se implementó un componente asíncrono por medio de herramientas de desarrollo reactivas (interacción constante con su entorno) para manipular y visualizar los datos de las señales electrocardiográficas que se alojan en una plataforma Cloud.Publicación Acceso abierto Evaluación de métodos de compresión de imágenes de histopatología a partir de las transformadas matemáticas discretas de coseno, wavelet y curvelet(Universidad de los Llanos, 2018) León Vesga, Edilson Gabriel; Cruz Roa, Angel AlfonsoEn este documento se presenta un estudio comparativo de las capacidades de compresión y de reconstrucción de las transformadas discretas de Coseno (DCT), Wavelet (DWT) y Curvelet (FDCT) aplicadas en imágenes de histopatología en mapa de bits. A través de funciones de Matlab las imágenes son capturadas como variables y representadas en las diferentes transformadas por conjuntos de coeficientes que contienen la información no correlacionada de éstas, sobre los cuales se calculan distintos umbrales locales que responden a porcentajes específicos de conservación de la información, estableciendo los coeficientes que preservaran sus valores y los que se igualaran a cero, para posteriormente aplicar un proceso de reconstrucción haciendo uso de transformación inversa. Una vez obtenidas las reconstrucciones, se compararon objetivamente con las originales a través del cálculo de las métricas de evaluación de calidad PSNR y MSE y se seleccionaron los porcentajes de conservación a partir de los cuales se dieron reconstrucciones de alta calidad, realizando un proceso de compresión al almacenar las correspondientes matrices umbralizadas para estos porcentajes en matrices dispersas, calculando los valores de CR entre los tamaños ocupados en disco de la imagen original y la comprimida. Se obtuvieron mejores resultados de compresión con DWT, por encima de DCT y finalmente de FDCT, que genera una mayor cantidad de coeficientes en la representación en comparación con el número de datos de la imagen original. Los tiempos de procesamiento requeridos tanto en la representación como en la transformación inversa fueron muy aproximados entre DWT y DCT y mayores en FDCT, estableciendo que DWT es la transformada adecuada para la compresión en este tipo de imágenes.Publicación Acceso abierto Implementación de un método computacional basado en aprendizaje automático para la clasificación de tejido canceroso a partir de información multimodal de imágenes de resonancia magnética como apoyo al diagnóstico en cáncer de próstata(Universidad de los Llanos, 2020) Caviedes Rojas, Jerson Mauricio; Cruz Roa, Angel Alfonso; Alvarez, Charlems; Romero, EduardoLa resonancia magnética (RM) es una tecnología ampliamente usada en medicina para la detección de enfermedades, el monitoreo de tratamientos, entre otros. La RM consiste en un proceso de tomografía de emisión que se basa en la excitación de los núcleos de los átomos de hidrógeno. En este proceso se introduce en un campo magnético estático potente, donde los núcleos adquieren una orientación y al mismo tiempo, con los momentos magnéticos, realizan un movimiento provocado por el campo magnético. La RM tiene varias ventajas: capacidad de adquisición multiplanar, una elevada resolución de contraste, ausencia de efectos nocivos por radiación ionizante y una amplia posibilidad del manejo del contraste (Lafuente Martínez, Luis, & Moreno, 2016). La resonancia magnética (RM) es una tecnología ampliamente usada en medicina para la detección de enfermedades, el monitoreo de tratamientos, entre otros. La RM consiste en un proceso de tomografía de emisión que se basa en la excitación de los núcleos de los átomos de hidrógeno. En este proceso se introduce en un campo magnético estático potente, donde los núcleos adquieren una orientación y al mismo tiempo, con los momentos magnéticos, realizan un movimiento provocado por el campo magnético. La RM tiene varias ventajas: capacidad de adquisición multiplanar, 6 una elevada resolución de contraste, ausencia de efectos nocivos por radiación ionizante y una amplia posibilidad del manejo del contraste (Lafuente Martínez, Luis, & Moreno, 2016). Según la GLOBOCAN (Global Cancer Observatory) para el 2018 alrededor del mundo se presentaron 1’276.106 de nuevos casos de cáncer de próstata, donde para ese mismo año se produjeron 358.989 muertes relacionados con este mismo tipo de cáncer. En cuanto a Colombia en el 2018, la GLOBOCAN registró 12.712 de nuevos casos de cáncer de próstata y el número de personas que fallecieron fue de 3.166 (GLOBOCAN , 2018). Algunos factores de riesgos que pueden causar cáncer de próstata son la edad, donde existe una alta probabilidad que después de los 50 años se pueda padecer y alrededor de 6 de cada 10 casos de cáncer de próstata se detectan en hombres mayores de 65 años. También influye la raza o el grupo étnico, los hombres de razas negra y en hombres con ascendencia africana el cáncer de próstata ocurre con más frecuencia, además de los antecedentes familiares (American Cancer Society, 2019). Por otro lado, se ha ido trabajado para mejorar este tipo de tecnología, es por eso que también se habla de la resonancia magnética multiparamétrica (mpMRI por su siglas en inglés), en particular para diagnosticar cáncer de próstata. La resonancia magnética multiparamétrica de próstata consiste en la combinación de imágenes anatómicas de alta resolución tradicionales (por ejemplo T2) con técnicas de imágenes funcionales, por ejemplo resonancia por difusión ponderadas (DWI por sus siglas en inglés), resonancia magnética por perfusión (PRM) o espectroscopía. Por ejemplo, las imágenes T2W (secuencia T2 ponderadas) se usan para analizar la morfología de la zona prostática con el fin de evaluar anomalías en la zona de transición, mientras las imágenes DWI reflejan y miden los movimientos de las moléculas de agua y se usan para la detección de cáncer en la zona prostática periférica (Barentsz et al., 2016). En la actualidad estos avances han ido aún más allá al introducirse la inteligencia artificial en el campo de la medicina para contribuir en la mejora de los diagnósticos en el cáncer de próstata , por ejemplos existen trabajos como el de Fehr et al. (Feht, 2015) , Wibmer et al. (Wibmer et al., 2015), Tiwari et al. (Tiwari, Kurhanewicz, & Madabhushi, 2013) o el de Le et al. (Le, 2017) en donde se implementa métodos computacionales con el uso de las diferentes modalidades de resonancia magnéticas, con el objetivo de diagnosticar de manera precisa el estado de una lesión de cáncer de próstata. Las redes neuronales convolucionales se han utilizada durante décadas en el campo de visión por computador, aunque sólo fue conocido su verdadero valor en la competición ImageNet en el 2012, donde el uso eficiente de las unidades de procesamiento gráfico, el aumento de datos ,además del uso de nuevas técnicas permitieron que se convirtiera en uno de los mejores avances en el campo del aprendizaje automático (Tajbakhsh et al., 2016). Tradicionalmente los modelos de aprendizaje automático eran entrenados para realizar tareas basadas en la extracción 7 manual de características que tomaban de los datos sin procesamiento. En cambio en el aprendizaje profundo, las computadoras aprenden representaciones y características eficientes de manera automática, tomadas directamente de los datos en crudo (Lundervold & Lundervold, 2019). Existen diferentes variantes de modelos de aprendizaje profundo, para la aplicación en diferentes ámbitos o tareas, por ejemplo en el procesamiento del lenguaje natural, procesamiento de imágenes hiperespectrales y análisis de imágenes médicas (Tajbakhsh et al., 2016). El objetivo de este trabajo de grado fue proponer una solución basada en un algoritmo de aprendizaje automático de Deep Learning, basado en Redes Neuronales Convolucionales, para la clasificación de tejidos de próstata a partir de información multimodal de imágenes digitales de resonancia magnética multiparamétrica (T2W, ADC (coeficientes de difusión aparente) y Ktrans que son imágenes post-procesadas de la modalidad DCE ) como apoyo a la investigación y/o diagnóstico del cáncer de próstata. En los resultados se obtuvieron en una primera fase un valor de AUC promedio de 0,71 (±0,127) con el uso de la modalidad Ktrans y en una segunda usando la arquitectura descrita en el artículo de Gutiérrez et al. (Gutierrez, 2019) un valor de AUC promedio de 0.72 (±0,058) combinando las modalidades Ktrans-T2WPublicación Acceso abierto Plataforma web de telepatología para la navegación eficiente de láminas virtuales de histopatología como apoyo a la enseñanza, investigación y trabajo colaborativo en cáncer(Universidad de los Llanos, 2018) Diaz Mejia, Darwin Sebastian; Cruz Roa, Angel Alfonso; Corredor Prada, Germán; Romero Castro, EduardoEn este documento se presenta el desarrollo de una plataforma Web de telepatología para la navegación eficiente de láminas virtuales de histopatología como apoyo a la enseñanza, investigación y trabajo colaborativo en cáncer. Este trabajo tiene como base la primera versión del microscopio virtual Web desarrollado por el grupo CIM@LAB de la Universidad Nacional de Colombia. A partir de esa versión, se realizó un análisis de los diferentes módulos del proyecto entregado, se estudiaron las tecnologías utilizadas y se identificó la arquitectura general del sistema. La plataforma Web de telepatología, presenta un conjunto de herramientas adicionales para el manejo de las anotaciones sobre las láminas virtuales de histopatología cuyo objetivo es el apoyo a la enseñanza, investigación y trabajo colaborativo en el área del cáncer. Entre el conjunto de herramientas podemos hallar la gestión de anotaciones desde una base de datos, implementación de perfiles y roles para el control de los usuarios. Además presenta mejoras en el módulo del decodificador de imágenes del formato JPEG2000 (JasPer), esta mejora permite dar un mayor soporte para el acceso a la navegación de las láminas virtuales de histopatología por múltiples usuarios. Asimismo se implementaron y se ejecutaron dos pruebas para medir el desempeño de la plataforma, la primera constó de navegaciones concurrentes simuladas y la segunda constó del manejo por parte de usuarios reales.Publicación Acceso abierto Sistema de información geográfica en la web (web gis) como apoyo al sistema de transporte de la Universidad de los Llanos(Universidad de los Llanos, 2019) Céspedes Bastos, Laura Cristina; González Alba, Cristian Eduardo; Díaz Celis, Cesar Augusto; Cruz Roa, Angel AlfonsoEl sistema de transporte de la Universidad de los Llanos presenta algunas deficiencias en su organización dado que al momento de definir las rutas y sus respectivos paraderos no se realizan estudios de factibilidad, pertinencia o de las verdaderas necesidades de la comunidad universitaria, además de no contar con un seguimiento continuo de las rutas para verificar que las distribuciones asignadas sean acertadas. Esta forma de asignación ha resultado en largos tiempos de espera por parte de la comunidad académica evidenciados en la cantidad de tiempo por día que tardan en llegar de su casa a la Universidad y viceversa, ocasionando grandes pérdidas de tiempo, percepciones negativas en la calidad del servicio y en algunas ocasiones pago adicional de transporte público por parte la comunidad universitaria. Para mejorar la asignación de estas rutas, se necesita analizar y recolectar información georreferenciada del comportamiento actual del sistema de transporte de la Universidad de los Llanos, sede Barcelona, como apoyo a los tomadores de decisiones respecto a la distribución y funcionamiento del sistema de transporte. De esta forma, este trabajo propone como medio para la recolección, registro y análisis de la información georreferenciada de las rutas y usuarios, un Sistema de Información Web basado en Tecnologías de Información Geográfica a partir de información proporcionada por una aplicación móvil de manera colaborativa (crowdsourcing).Publicación Acceso abierto Sistema de información geográfica en la web (webgis) para el apoyo a la vigilancia entomológica de aedes aegypti(Universidad de los Llanos, 2018) Goyeneche Mora, Jorge Luis; Díaz Celis, Cesar Augusto; Cruz Roa, Angel AlfonsoEl vector Aedes Aegypti es el principal transmisor de enfermedades como el Dengue, el Zika y el Chikunguña en Colombia. Debido a que estas enfermedades representan una importante carga en el sistema de salud y la economía de dicho país, se evidencio que era necesaria la elaboración de herramientas que ayudaran a combatir dicho vector. El sistema de información geográfica en la Web (WebGIS) para el apoyo a la vigilancia entomológica de Aedes Aegypti (llamado VIGEA) se desarrolló con el fin de ofrecer una herramienta y suplir dicha necesidad. Para el desarrollo del proyecto, se hizo uso de herramientas web como Tomcat, Nginx y Geoserver; para el caso del desarrollo se usó Python como lenguaje de programación y Django como marco de trabajo Modelo-Vista-Controlador. Como resultado, se obtuvo una aplicación web que permite crear mapas de infestación a partir de información compartida por la comunidad de manera colaborativa, dicha información, es validada por expertos con el objetivo de solo contar con información veraz al momento en que la aplicación web construye los mapas de infestación. Para concluir, se evidencio que los mapas de infestación construidos por la aplicación Web permiten evidenciar fácilmente lugares geográficos en los cuales exista potencialmente el vector y en los que los entes encargados podrían tomar acciones.
