Proyectos finales Pregrado en Ingeniería de Sistemas y Computación

URI permanente para esta colecciónhttps://repositorio.uninorte.edu.co/handle/10584/5785

Examinar

Mostrando 1 - 20 de 219

CardIAc: Diseño de una solución basada en IA para la caracterización y análisis de enfermedades cardiovasculares en pacientes clínicos
(Barranquilla, Universidad del Norte, 2026, 2026-06-06) Estrada, Wilson; Yepes, Manuel; Rada, Efrain; Nieto, Wilson
Las enfermedades cardiovasculares constituyen una de las principales causas de mortalidad a nivel global, con especial impacto en países en vía de desarrollo. Este informe presenta el diseño y desarrollo de CardIAc, el prototipo de una solución de ingeniería de datos basada en inteligencia artificial orientada a la caracterización y análisis de enfermedades cardiovasculares. El prototipo integra una arquitectura medallón implementada en Azure Databricks con procesos ETL orquestados mediante Lakeflow Jobs, un modelo predictivo XGBoost optimizado mediante ajuste de hiperparámetros, y una aplicación web desarrollada en React y Node.js con TypeScript. El modelo final alcanzó un ROC-AUC de 0.7997, un Recall de 77.54% y un F1-Score de 73.64%, priorizando la reducción de falsos negativos dada la naturaleza clínica del problema. El análisis de importancia de variables identificó la presión arterial sistólica como el factor predictivo más relevante, seguido del colesterol, la presión diastólica y la edad. La arquitectura propuesta es reproducible, escalable y adaptable a distintas instituciones médicas, contribuyendo a la toma de decisiones clínicas más oportunas e informadas.
Predicción temprana de huracanes utilizando aprendizaje automático y datos de IBTrACS
(Barranquilla, Universidad del Norte, 2025, 2025-05-31) Rodríguez, Aaron; Meza, David; Noriega, Edinson; Maestre, Juan; Nieto, Wilson
Los huracanes son fenómenos meteorológicos altamente destructivos que generan importantes pérdidas humanas y económicas. Predecir su intensidad con antelación es un desafío debido a la complejidad de los factores atmosféricos, oceánicos y geográficos involucrados. Este proyecto propone un modelo de aprendizaje automático basado en Random Forest para predecir la intensidad de los huracanes utilizando datos históricos del conjunto IBTrACS. Se siguió el enfoque CRISP-ML(Q), que abarca todas las etapas, desde la comprensión del problema hasta la implementación del modelo. Tras analizar 18.354 observaciones históricas y aplicar un riguroso proceso de depuración, se utilizaron 2.638 registros completos para el entrenamiento. Las variables más relevantes incluyen el estado del huracán, los radios de viento de 64 nudos y las coordenadas geográficas. La solución incluye módulos de análisis, procesamiento, modelado y visualización, así como una plataforma web interactiva que clasifica la intensidad de los huracanes según la escala Saffir-Simpson. También se desarrolló un panel de control en Looker Studio para visualizar patrones geoespaciales históricos. Los resultados demuestran el potencial del aprendizaje automático para mejorar los sistemas de alerta temprana y la gestión del riesgo de huracanes.
Acacia: Sistema de apoyo a la toma de decisiones académicas para la planificación curricular de estudiantes de Ingeniería de Sistemas
(Barranquilla, Universidad del Norte, 2026, 2026-06-01) Valencia Rua, Alejandra; Flórez Carbonell, Elvira Elena; Carrasquilla Escobar, Juan Miguel; Angulo Madrid, Eduardo David
La planificación de trayectorias académicas en la educación superior es un proceso complejo de toma de decisiones, particularmente en programas de ingeniería donde las cadenas de prerrequisitos, correquisitos, límites de créditos y dependencias curriculares influyen significativamente en el progreso de los estudiantes y en el tiempo requerido para su graduación. A pesar de la existencia de plataformas institucionales para la inscripción semestral, estos sistemas suelen enfocarse en procesos administrativos de corto plazo y no proporcionan apoyo estratégico para la planificación curricular a largo plazo. Este trabajo propone el diseño e implementación de un sistema inteligente de apoyo a la toma de decisiones orientado al modelado y optimización de trayectorias académicas para estudiantes de Ingeniería de Sistemas y Computación de la Universidad del Norte en Barranquilla, Colombia. La solución propuesta representa la estructura curricular como un Grafo Acíclico Dirigido (DAG, por sus siglas en inglés), donde las asignaturas son modeladas como nodos y las relaciones de prerrequisito como aristas dirigidas. A partir de esta representación, el sistema integra mecanismos de simulación y técnicas de optimización multicriterio para generar rutas académicas factibles bajo restricciones institucionales y preferencias individuales de los estudiantes. La arquitectura incluye módulos para la estructuración de datos, simulación de trayectorias, validación curricular, analítica y generación de recomendaciones. La contribución esperada es una herramienta tecnológica que mejore la planificación académica, reduzca los cuellos de botella curriculares y apoye la toma de decisiones informada mediante la proyección de escenarios futuros y recomendaciones optimizadas de asignaturas.
Diseño e implementación de un software para la gestión del plan de desarrollo de la Alcaldía de Barranquilla
(Barranquilla, Universidad del Norte 2026, 2026-06-01) López Gallardo, Carlos; Povea Fernández, Juan; Nieto Bernal, Wilson
La transformación digital en el sector público requiere sistemas de información robustos y sostenibles, capaces de gestionar procesos estratégicos de manera eficiente y confiable. En la Alcaldía de Barranquilla, la plataforma MiPlan es la herramienta utilizada para la gestión y el seguimiento del Plan de Desarrollo, que constituye el principal instrumento de planificación estratégica empleado por el gobierno local para definir metas, programas e inversiones que orientan el desarrollo de la ciudad. Sin embargo, MiPlan presenta deficiencias arquitectónicas que afectan atributos de calidad como la mantenibilidad y la escalabilidad, comprometiendo el desempeño operativo del sistema. Este trabajo propone el diseño e implementación de una nueva plataforma fundamentada en los principios SOLID y en la separación de responsabilidades para garantizar el correcto funcionamiento de los procesos estratégicos de la organización. La solución fue desarrollada siguiendo un enfoque de arquitectura limpia utilizando tecnologías modernas, incorporando módulos para la formulación y el seguimiento de indicadores, la generación de reportes, la auditoría y la gestión de solicitudes de cambio. Adicionalmente, se integró una suite de pruebas automatizadas y una estrategia de despliegue continuo basada en contenedores Docker. Como resultado, se logró una plataforma modular, mantenible y escalable, orientada a fortalecer las capacidades institucionales para la gestión del Plan de Desarrollo, al tiempo que mejora la trazabilidad y la confiabilidad de los procesos administrativos. La solución propuesta contribuye al fortalecimiento de la gobernanza digital y a la sostenibilidad tecnológica a largo plazo de los sistemas de información en el sector público.
Software de análisis de señales de EEG para la detección de alzheimer con modelos de CNN y LLM
(Barranquilla, Universidad del Norte, 2025, 2025-06-04) Peña Jiménez, Yitzhak; Salas Redondo, Set; Zhu Ye, Kenny; Zurek, Eduardo
La enfermedad de Alzheimer (EA) es un trastorno neurodegenerativo progresivo que representa un desafío significativo para la salud pública a nivel mundial. Se estima que millones de personas viven con esta enfermedad, y su prevalencia continúa en aumento (Alzheimer's Association, 2021). La detección temprana de la EA es fundamental para implementar intervenciones que puedan ralentizar su progresión y mejorar significativamente la calidad de vida de los pacientes (Sperling et al., 2011). En este contexto, el electroencefalograma (EEG) ha emergido como una herramienta prometedora para la identificación de patrones en biomarcadores asociados a la EA, proporcionando información valiosa sobre los cambios en la actividad eléctrica cerebral relacionados a esta enfermedad, y presentando una ventaja sobre otros medios de detección, al ser mas accesible y menos invasivo. Sin embargo, los métodos actuales para el analisis de señales de EEG a menudo son limitados en su capacidad de interpretación. Muchos enfoques existentes carecen de herramientas efectivas para visualizar, localizar y explicar anomalías relacionadas al alzheimer en las señales de EEG, lo que dificulta la identificación y visualización de patrones relevantes en los biomarcadores relacionados a esta enfermedad. Por lo tanto, este proyecto se centra en desarrollar un prototipo de software que analice señales de EEG para identificar la presencia de Alzheimer a traves de patrones en biomarcadores asociados a esta enfermedad. Utilizaremos técnicas avanzadas de procesamiento de señales y modelos de machine learning, como redes neuronales convolucionales (CNN), para analizar el comportamiento de estas señales en diferentes areas del cerebro.
Study of a visual perception system with multiple models for visual disability assistance
(Barranquilla, Universidad del Norte, 2025, 2025-06-03) Apresa Echeverría, Rubens André; Heras Gómez, Camilo Andrés; Linero Caro, Jaymed Daniel; Nieto Bernal, Wilson; Salazar Silva, Augusto
The project presents a technological solution to assist people with visual impairments through a mobile application developed with Flutter. This application integrates advanced computer vision models (YOLOv11 and YOLO-World) to detect and recognize objects in real time. Once objects in the environment are identified using the phone's camera, the application generates detailed audio descriptions with the support of Gemini AI, allowing users to better understand their surroundings. The system is based on a hybrid architecture that combines local processing on the device with cloud services, ensuring efficiency and scalability. It has been tested and validated with real users to ensure its practical usability. The use of established datasets such as COCO and LVIS allows the models to recognize a wide variety of everyday objects, improving the richness and relevance of the information provided to users. The development process followed the agile SCRUM methodology, which allowed for iterative improvements in development, accessibility, validation, and user experience. The project demonstrates how the integration of generative artificial intelligence with robust object detection models can contribute to greater independence and mobility for people with visual impairments in diverse real-world environments.
Sistema inteligente de monitoreo y gestión del consumo de agua en tiempo real
(Barranquilla, Universidad del Norte, 2025, 2025-06-03) Cardona, Santiago; Cubillos, Cristian; Llerena, Santiago; Nieto, Wilson
El proyecto presenta el desarrollo de un sistema inteligente de monitoreo y gestión del consumo de agua en tiempo real, utilizando tecnologías IoT. Ante la creciente escasez del recurso hídrico y el impacto del consumo doméstico en la sostenibilidad ambiental, esta solución busca empoderar a los usuarios para tomar decisiones informadas. El sistema integra sensores de flujo de agua, un microcontrolador ESP32 y una aplicación móvil, permitiendo visualizar el consumo en tiempo real, recibir alertas por fugas o consumos excesivos. La arquitectura del sistema está basada en microservicios desplegados en la nube mediante NestJS, con comunicación asincrónica entre componentes y notificaciones en tiempo real vía WebSocket. El prototipo fue desarrollado utilizando metodología ágil Scrum, logrando una solución escalable, accesible y eficiente. Las pruebas realizadas confirmaron su funcionalidad, precisión y facilidad de uso. Este proyecto no solo contribuye a la conservación del agua, sino que también promueve una cultura de sostenibilidad en los hogares, combinando tecnología, educación y automatización para enfrentar los desafíos del cambio climático y el uso responsable de los recursos.
Mapukar, an interactive mobile application with augmented reality for the setting and enhancement of the cultural heritage of the Mapuka Museum of the Universidad del Norte
(Barranquilla, Universidad del Norte, 2025, 2025-06-02) Charris, Darwin; Roldan, Emily; Ardila, Ana; Nieto, Wilson; Salazar, Augusto
El proyecto "MAPUKAR" integra tecnología avanzada para la preservación y divulgación cultural. Se materializó en una aplicación móvil de realidad aumentada (AR) para el Museo MAPUKA de la Universidad del Norte, Barranquilla. Construida sobre un framework robusto de AR, permite la interacción inmersiva con modelos 3D de piezas arqueológicas, enriqueciendo la experiencia museográfica y fortaleciendo la conexión con culturas ancestrales del Caribe colombiano. La AR superpone información digital al mundo real, creando un entorno interactivo que fomenta la exploración y la inmersión. Mapukar posibilita la interacción dinámica con réplicas 3D de artefactos prehispánicos, permitiendo su manipulación virtual y acceso a detalles sobre origen y significado. Esta experiencia tangible y emotiva crea un puente entre pasado y legado. Los resultados demuestran el potencial transformador de esta tecnología en contextos educativos y museales. La aplicación es una plataforma educativa que democratiza el conocimiento y estimula la curiosidad, mejorando la visita. Mapukar es una propuesta innovadora, replicable y escalable. Su diseño modular y enfoque en el usuario la hacen viable para otros espacios culturales. Las metodologías aprendidas ofrecen una hoja de ruta para futuras iniciativas de AR en divulgación cultural. Demuestra que la tecnología es crucial para revitalizar la preservación cultural, haciéndola accesible y conectando futuras generaciones con su herencia. Es un paso hacia museos más interactivos y relevantes.
Detección de osteoartritis en rodillas mediante CNNs y LLM para diagnóstico y recomendaciones
(Barranquilla, Universidad del Norte, 2025, 2025-06-01) Arteta Padilla, Sebastián; Bolívar Peña, Jhan Mario; Julio Martínez, Luna; Nieto Bernal, Wilson
La osteoartritis es una enfermedad que afecta las articulaciones y suele presentarse en personas mayores. Según la Organización Mundial de la Salud, casi el 70% de las personas mayores de 55 años la sufren. Además, alrededor del 60% de los casos afectan a mujeres. Esta condición puede causar dolor, hinchazón y rigidez, lo que puede hacer que moverse y realizar actividades diarias sea más difícil y afectar la calidad de vida de quienes la padecen. Con los avances en técnicas de Machine Learning y en el análisis de imágenes médicas, este proyecto propone dos maneras diferentes para detectar osteoartritis en las rodillas usando imágenes. Originalmente, estas imágenes se clasificaban en cinco categorías, pero después de probar ambos métodos, fue evidente que simplificar el problema a una clasificación con solo dos opciones —si hay o no hay la enfermedad— mejoró mucho los resultados que se obtuvieron en las evaluaciones del modelo. El modelo final, que se ajustó para esta clasificación binaria, se integró en una aplicación web interactiva. Esta plataforma permite a los usuarios cargar sus fotos de las rodillas, obtener información sobre si tienen o no la enfermedad recibir un diagnóstico preliminar, y también acceder a recomendaciones personalizadas hechas con un modelo de lenguaje (LLM).
Estimación del tiempo de llegada de buses urbanos a la parada del usuario utilizando datos de Sri Lanka
(Barranquilla, Universidad del Norte, 2025, 2025-06-01) Gómez, Maria; Gómez, Giuseppe; Padilla, Juan; Salazar, Augusto
Este proyecto propone una solución basada en inteligencia artificial para estimar el tiempo de llegada de buses urbanos a la parada del usuario, utilizando datos reales de Sri Lanka. El estudio emplea dos modelos predictivos: LightGBM y LSTM, entrenados con información GPS recolectada en la ruta 654 (Kandy–Digana), la cual comprende más de 10.000 viajes. Se desarrolló un pipeline completo de analítica de datos, incluyendo limpieza, análisis exploratorio, ingeniería de características y validación, apoyado en la metodología CRISP-DM. El análisis reveló que la duración promedio de los viajes oscila entre 45 y 60 minutos, con picos de congestión en horas específicas. LightGBM logró un Error Absoluto Medio (MAE) de 32.46 segundos, superando a LSTM (MAE de 45.05 s), con mejor rendimiento especialmente en viajes de duración común. Además, se desarrolló un dashboard interactivo para visualizar predicciones, métricas clave y patrones geoespaciales. Los resultados evidencian que LightGBM es una opción más precisa y eficiente para este tipo de problemas, aunque LSTM puede ser útil cuando las dependencias temporales son críticas.
CryptoPlayground: plataforma interactiva para aprender sobre fundamentos y esquemas de cifrado criptográficos
(Barranquilla, Universidad del Norte, 2025, 2025-06-01) Torres, Edgar Andrés; Vargas, Juan Pablo; Nieto, Wilson
CryptoPlayground es una plataforma interactiva diseñada para facilitar el aprendizaje de los fundamentos y esquemas de cifrado criptográficos, un área cada vez más relevante en el contexto de la seguridad informática. A medida que las amenazas cibernéticas evolucionan y se intensifican, se vuelve crucial formar profesionales capaces de proteger sistemas y datos sensibles. Sin embargo, la enseñanza de la criptografía continúa representando un desafío debido a su complejidad matemática. Este proyecto propone el desarrollo de un prototipo de aplicación web que integre elementos de gamificación, simulación y aprendizaje basado en la práctica, con el objetivo de ofrecer una experiencia educativa más accesible, dinámica e intuitiva. A través de ejercicios interactivos y visualizaciones de algoritmos, CryptoPlayground permite a los estudiantes experimentar con conceptos criptográficos de manera práctica, promoviendo una comprensión más profunda y significativa. Los resultados esperados incluyen una herramienta funcional que contribuya a mejorar la enseñanza de la criptografía en entornos académicos, fortaleciendo las competencias de futuros profesionales en ciberseguridad.
Desarrollo e implementación de una plataforma web para la organización del transporte compartido
(Barranquilla, Universidad del Norte,2025, 2025-05-31) Sandoval Diaz, Somil Antonio; Almario Vergara, Julian David; Coll Barros, Julián Andrés; Nieto Bernal, Wilson
Ante los crecientes desafíos de la movilidad urbana —como la congestión, la baja ocupación vehicular y las deficiencias del transporte público— el transporte compartido emerge como una solución clave. Este proyecto presenta el desarrollo e implementación de una plataforma web diseñada para organizar eficientemente servicios de transporte compartido. Esta plataforma opera bajo dos modalidades principales: 1) Transporte Compartido Dinámico (Rutas no programadas), un módulo dinámico que gestiona solicitudes de viaje bajo demanda, utilizando algoritmos para agrupar múltiples usuarios con rutas compatibles y ancladas (origen o destino) a Puntos de Mayor Concentración de Personas (PMCP) predefinidos, ofreciendo estas rutas optimizadas a los conductores y considerando la rentabilidad basada en distancia y ocupación mínima; y 2) Transporte Compartido programado, que facilita acuerdos directos y recurrentes entre usuarios y conductores para trayectos específicos. El objetivo principal es maximizar la ocupación vehicular y ofrecer una alternativa de transporte estructurada y eficiente que complemente al sistema de transporte público, ayudando a reducir su congestión vehicular y mejorar la experiencia global de movilidad para los ciudadanos.
Diseño e implementación de una aplicación para la asistencia y monitoreo del embarazo y la crianza temprana de manera progresiva para padres primerizos
(Barranquilla, Universidad del Norte, 2025, 2025-05-31) Acuña Lara, Shaddia Andrea; Avendaño Cervantes, Andres David; De Avila Pallares, Augusto Cesar; Ojeda Diaz, Doriano Alberto; Nieto Bernal, Wilson
El embarazo y la crianza representan etapas cruciales que suelen generar dudas y ansiedad, especialmente entre padres primerizos. A pesar de la abundancia de información en línea, acceder a contenidos confiables y personalizados sigue siendo un reto. Frente a esta problemática, este trabajo presenta el desarrollo de una aplicación móvil diseñada para acompañar a padres durante el embarazo y los primeros años de vida de sus hijos, combinando recursos educativos, monitoreo de síntomas y orientación práctica. El proyecto integró herramientas de inteligencia artificial, como un asistente conversacional interactivo, junto con una arquitectura basada en microservicios para garantizar la escalabilidad y el buen desempeño del sistema. El proceso de desarrollo se llevó a cabo bajo la metodología Scrum, permitiendo la validación continua con usuarios reales. Los resultados obtenidos evidencian una mejoría en el acceso a información útil, una mayor confianza de los padres para enfrentar esta etapa y una experiencia de usuario satisfactoria. Esta propuesta no solo busca aportar al bienestar de las familias, sino también demostrar el potencial de las tecnologías digitales para transformar el acompañamiento en salud materno-infantil.
EinfachDeutsch: Plataforma educativa para el aprendizaje del alemán mediante memorización espaciada y contextualización
(Barranquilla, Universidad del Norte, 2025, 2025-05-31) Fontalvo Reniz, Vanessa; Vecino Yepes, Yazmina Yolanda; Acosta Cantillo, Aiker Ary; Zurek, Eduardo
EinfachDeutsch es una plataforma educativa interactiva diseñada para facilitar el aprendizaje del idioma alemán en niveles iniciales, específicamente A1. El proyecto integra metodologías pedagógicas efectivas como la memorización espaciada (Spaced Repetition System, SRS) y la contextualización de contenidos, con el objetivo de optimizar la retención de vocabulario y la comprensión práctica del idioma. A través de una interfaz intuitiva y adaptable, los usuarios acceden a contenidos estructurados por secciones temáticas que incluyen tarjetas didácticas, ejercicios interactivos, pruebas de evaluación y retroalimentación personalizada. La plataforma también permite el seguimiento del progreso del usuario, incentivando la constancia mediante elementos de gamificación como insignias y porcentajes de avance. Desde el punto de vista técnico, la arquitectura implementada es moderna, escalable y segura, desarrollada con tecnologías web actuales y desplegada en la nube. Los resultados obtenidos en pruebas preliminares evidencian una experiencia de usuario positiva, tiempos de respuesta óptimos y una alta disposición a recomendar la plataforma. EinfachDeutsch representa así una solución innovadora que combina teoría lingüística, tecnología educativa y diseño centrado en el usuario para apoyar el aprendizaje autónomo y efectivo del alemán.
Diseño e implementación de un datalake para analítica de datos de la rentabilidad de los clientes en el sector Retail
(Barranquilla, Universidad del Norte, 2025, 2025-05-31) Centanaro Oviedo, Germán Miguel; Estrada Russill, Jason Steven; Piñeres Melo, Marlon Alberto
En la actualidad todas las grandes empresas cuentan con una gran cantidad de datos generados a diario y se enfrentan al desafío de poder utilizar de manera eficiente esta información con el fin de mejorar la toma de decisiones cruciales para impulsar la producción de la empresa. Según Davenport y Harris (2007), la capacidad de analizar y aprovechar los datos se ha convertido en un factor crítico para la competitividad empresarial, especialmente en sectores como el retail, donde la toma de decisiones basada en datos puede marcar la diferencia entre el éxito y el fracaso. En este proyecto se tiene como objetivo el diseño e implementación de una aplicación basada en la analítica de datos, para esto se utilizará de las herramientas que proporciona Tableau para crear un reporte interactivo que permita analizar y visualizar la rentabilidad de cada cliente en Muebles Jamar. Así, con la integración de las diversas fuentes de datos en la empresa (Redshift, Oracle y SAP) y las herramientas de procesamiento y migración de datos como Tableau PREP, AWS Glue y Python, se busca construir una plataforma dinámica que permita entender la rentabilidad de cada cliente con respecto a la distribución de los gastos de la empresa, con la meta de evaluar una rentabilidad general y específica, logrando generar predicciones que apoyen y mejoren las decisiones estratégicas. La importancia de la visualización de datos en la toma de decisiones ha sido ampliamente documentada, y herramientas como Tableau han demostrado ser efectivas para transformar datos complejos en información accesible y útil (Few, 2012).
Sistema inteligente para la detección de enfermedades de la piel usando redes neuronales convolucionales
(Barranquilla, Universidad del Norte, 2025, 2025-05-31) Santis, Elkin; Sierra, Daniel; Vergara, Johan; Nieto, Wilson
Este proyecto describe el desarrollo de un sistema inteligente para la detección y clasificación automática de enfermedades dermatológicas mediante redes neuronales convolucionales (CNN). Se empleó la arquitectura ResNet50 con ajuste fino (fine-tuning) completo, entrenada con un conjunto de más de 15,000 imágenes dermatológicas, previamente depuradas y adaptadas al contexto epidemiológico colombiano. La metodología seguida fue CRISP-DM, abarcando desde la comprensión del problema hasta el despliegue de una aplicación web funcional. Esta plataforma permite a los usuarios cargar imágenes y recibir un diagnóstico preliminar, acompañado de un porcentaje de confianza y recomendaciones generales. El modelo alcanzó una precisión promedio ponderada del 60.95 % y un F1-score de 60.87 %, con un buen desempeño en clases comunes como acné, eczema y hongos. Sin embargo, presentó dificultades con clases menos representadas, como enfermedades de transmisión sexual y dermatitis por contacto. Se propone el uso de técnicas como aumento de datos y balanceo de clases para mejorar la precisión. Este trabajo demuestra el potencial de la inteligencia artificial como herramienta de apoyo en el diagnóstico médico, especialmente en regiones con acceso limitado a especialistas, contribuyendo así a una atención más equitativa y oportuna.
Modelo de inteligencia artificial para el diagnóstico asistido del cáncer de mama: Un enfoque basado en redes neuronales
(Barranquilla, Universidad del Norte, 2025, 2025-05-29) Bula Pavía, Gabriela de Jesús; García Dávila, Edgar Andrés; Castillo de la Espriella, Lena Carolina; Ariza Coll, Sebastián David; Zurek Varela, Eduardo; Nieto Bernal, Wilson
El cáncer de mama representa la segunda causa de muerte por cáncer en mujeres a nivel mundial. Este trabajo presenta el desarrollo y evaluación de un sistema de inteligencia artificial basado en la arquitectura YOLOv8 para la detección de lesiones en mamografías. Se implementó un modelo de detección de objetos entrenado sobre un conjunto de datos desbalanceado para optimizar la detección de lesiones mamarias. El sistema incorpora varias técnicas de preprocesamiento, incluyendo segmentación del tejido mamario y aumentación de datos mediante transformaciones geométricas y radiométricas. Adicionalmente, se diseñó un sistema con una interfaz interactiva, incluyendo un dashboard de métricas y un chatbot para mejorar la accesibilidad a los análisis automáticos de imágenes. El modelo demostró una exactitud global del 76%, con una precisión del 97% en la detección de casos positivos, una sensibilidad del 73% y una puntuación mAP-50 de 58% para la localización espacial de anomalías. Aunque la alta precisión indica una baja tasa de falsos positivos, la sensibilidad moderada sugiere la necesidad de optimización para reducir falsos negativos, aspecto crítico en aplicaciones clínicas. Los resultados obtenidos evidencian el potencial de las técnicas de deep learning para asistir en el análisis mamográfico, ofreciendo una herramienta complementaria que podría mejorar la eficiencia diagnóstica y reducir la carga de trabajo radiológica. No obstante, el desempeño subóptimo requiere investigación adicional en técnicas avanzadas de balanceo y arquitecturas optimizadas.
Implementación de un modelo de machine learning para el diagnóstico temprano de diabetes tipo 2
(Barranquilla, Universidad del Norte, 2025, 2025-05-30) Marín Ortega, Luis Fernando; Parra Faria, Luisangel Alexander; Gamarra Acosta, Margarita Rosa
El presente trabajo aborda la problemática del diagnóstico tardío de la diabetes tipo 2, una enfermedad crónica con alta prevalencia mundial. El objetivo fue diseñar e implementar un modelo predictivo de Machine Learning que, utilizando datos clínicos no invasivos y fácilmente obtenibles del BRFSS 2023, permita identificar individuos en riesgo de diabetes de forma temprana. Se realizó una rigurosa limpieza y selección de variables relevantes mediante análisis estadísticos (correlación de Pearson, chi-cuadrado, ANOVA e información mutua), priorizando aquellas con mayor impacto clínico. Se enfrentó el fuerte desequilibrio de clases mediante técnicas como SMOTE y NearMiss, logrando mejorar la sensibilidad de los modelos. La herramienta PyCaret facilitó el procesamiento, comparación y optimización automática de diferentes algoritmos. Los mejores resultados se obtuvieron con el modelo XGBoost, alcanzando altos valores de precisión y sensibilidad tras el balanceo de datos. El modelo final se integró en un prototipo funcional listo para ser desplegado vía API, demostrando así su potencial como herramienta accesible, eficiente y reproducible para apoyar el diagnóstico temprano de la diabetes tipo 2 en distintos contextos clínicos y comunitarios.
Diseño de una aplicación basada en técnicas de aprendizaje automático para la detección temprana de ataques cardiovasculares
(Barranquilla, Universidad del Norte, 2025, 2025-06-30) Rans, Nathalia de la; Gamez, Juan; Linero, Diego; Niño, Elías
Las enfermedades cardiovasculares (ECV) representan una de las principales causas de mortalidad a nivel mundial, siendo responsables de millones de muertes cada año. Su impacto en los sistemas de salud pública es significativo, ya que suelen estar asociadas a factores prevenibles como el sedentarismo, el tabaquismo, la mala alimentación y condiciones crónicas como la hipertensión o la diabetes. Ante este escenario, la presente investigación propone el diseño y desarrollo de un modelo predictivo basado en técnicas de aprendizaje automático (Machine Learning, ML) para estimar de manera precisa el riesgo de padecer ECV en adultos. Utilizando el conjunto de datos del Behavioral Risk Factor Surveillance System (BRFSS), que contiene información detallada sobre más de 400,000 individuos, se entrenará el modelo con variables clave relacionadas con el estado de salud y los hábitos de vida. El objetivo principal es crear una herramienta personalizada que permita detectar a tiempo a personas con alto riesgo y facilitar intervenciones preventivas. Este modelo será implementado en una plataforma web interactiva, en la que los usuarios podrán ingresar sus datos y obtener una predicción del riesgo en tiempo real. Se espera que esta aplicación contribuya significativamente a mejorar las estrategias de prevención, detección temprana y gestión de las ECV mediante el uso de tecnologías avanzadas de analítica y ciencia de datos.
ProcessVR
(Barranquilla, Universidad del Norte, 2025, 2025-05-30) Tapias Paternina, Kairo Alexander; Herrera Arias, Heiner Alberto; Carbal Martínez, Santiago José; Nieto Bernal, Wilson; Angulo Madrid, Eduardo David
La realidad aumentada (AR) se ha consolidado como una herramienta eficiente para entregar información espacial en la capacitación de los trabajadores. Sin embargo, tanto la AR como la realidad virtual (VR) aún no se utilizan ampliamente en estos escenarios debido a las habilidades técnicas y la experiencia necesarias para desarrollar contenido interactivo. Para abordar esta limitación, se desarrolló ProcessVR, un sistema basado en realidad aumentada y virtual diseñado para crear contenido 2D/3D que captura las interacciones entre el entorno y los expertos en la materia (SME). El diseño de ProcessVR se fundamentó en entrevistas con especialistas en programación de RA y SME, junto con un estudio comparativo entre usuarios expertos y novatos. Un campo clave donde esta tecnología puede aportar grandes beneficios es el educativo. Según Azizo, Mohamed, Siang y Isham (2020), la realidad virtual permite a los usuarios interactuar con entornos simulados, ofreciendo una experiencia inmersiva que transforma la percepción del mundo real. Por su parte, Brito et al. (2024) destacan que los campus inmersivos están revolucionando la forma en que las universidades se conectan con sus comunidades académicas, posicionando la VR y la AR como herramientas clave para mejorar la experiencia educativa. En Colombia, Giraldo, Arango, Cruz y Bernal (2016) demostraron esta efectividad a través de un recorrido virtual interactivo desarrollado en la Universidad del Quindío.

Examinar

Envíos recientes