BioingenieríaEn este espacio se encuentran alojadas las "Tesis de grado, Trabajos Finales, Trabajos Integradores Finales" correspondientes a la carrera de "Bioingeniería".http://huru.unsj.edu.ar/handle/123456789/4122026-04-21T21:45:05Z2026-04-21T21:45:05ZAplicación de la técnica de Resting-State en resonancia magnética funcional.Shiratori Cañadas, Alicia Kyomihttp://huru.unsj.edu.ar/handle/123456789/6272025-10-08T10:48:14Z2025-09-01T00:00:00ZAplicación de la técnica de Resting-State en resonancia magnética funcional.
Shiratori Cañadas, Alicia Kyomi
La técnica de Resting-State en Resonancia Magnética Funcional (rs-fMRI) es una modalidad
no invasiva que permite estudiar la conectividad funcional del cerebro a partir de las
fluctuaciones espontáneas de la señal BOLD (blood oxygen level dependent). A diferencia de
otras técnicas, esta no requiere que el paciente realice tareas específicas ni sea expuesto a algún
tipo de estímulo, lo que la convierte en una herramienta útil especialmente para su aplicación
en personas con enfermedades neurológicas que presentan limitaciones motoras y/o cognitivas.
Este trabajo final se enfoca en el análisis de la técnica rs-fMRI como herramienta para la
evaluación objetiva de los cambios o mejoras en la conectividad funcional cerebral de pacientes
que reciben terapias de rehabilitación asistidas por tecnología. Particularmente se aplicó esta
técnica a un paciente que ha sufrido un accidente cerebrovascular (ACV) y a una base de datos
de pacientes neurotípicos con el objetivo de generar comparaciones inter e intra sujetos
2025-09-01T00:00:00ZDiseño de un sistema automático para dosimetría en radioterapia.Espinosa, Gisela Nataliahttp://huru.unsj.edu.ar/handle/123456789/6062025-09-30T20:54:41Z2025-01-01T00:00:00ZDiseño de un sistema automático para dosimetría en radioterapia.
Espinosa, Gisela Natalia
En el presente trabajo final, enmarcado en el área de radioterapia, se diseña un sistema
automático de escaneo 2D para la caracterización dosimétrica y control de calidad de
haces de radiación en aceleradores lineales de uso médico, cuya función principal es
entregar tanto curvas de distribución de dosis en profundidad como perfiles de dosis en
sistemas de radioterapia. Estas gráficas proporcionan información acerca de la variación
de la intensidad de radiación, conforme ésta penetra en el tejido vivo, así como de la
forma que tiene el haz de radiación que va a impactar sobre la región del paciente que
adolece de la patología oncológica. Esta información se utiliza para ajustar modelos
fisicomatemáticos de los mecanismos de cuñas y colimación del equipo de radioterapia,
así como otras características relevantes del haz y de la máquina de radiación, dentro de
sistemas computacionales especializados de cálculo denominados Sistemas de
Planificación de Tratamientos o TPS, por sus siglas en inglés. Los TPS permiten lograr
una planificación optimizada para cada paciente según la localización, tamaño y forma
del tejido a tratar y considerando las características del haz de tratamiento modelizado,
ya que permiten simular su irradiación.
La radioterapia, combinada con otras técnicas como la cirugía o la quimioterapia, aplicada
de forma aislada, abarca aproximadamente el 60 por ciento de los tratamientos de
pacientes con cáncer. Los tratamientos radioterapéuticos han experimentado un avance
excepcional desde la implementación en el ámbito clínico de los Sistemas de
Planificación de Tratamientos (TPS). Su principal objetivo es realizar el cálculo de la
radiación impartida cuidando de que se administre la suficiente dosis a las células
tumorales sin exceder el nivel de tolerancia de los órganos sanos adyacentes. La radiación
se utiliza a menudo como tratamiento paliativo de enfermedades malignas brindando al
paciente una mejor calidad de vida.
2025-01-01T00:00:00ZDesarrollo de un sistema de detección de somnolencia en conductores, mediante procesamiento de videos y señales de EEG con algoritmos de Inteligencia Artificial y Deep LearningAllis Reus, Leila YazmínDingevan Cassab, Matías Ignaciohttp://huru.unsj.edu.ar/handle/123456789/5752025-09-04T13:54:34Z2024-12-13T00:00:00ZDesarrollo de un sistema de detección de somnolencia en conductores, mediante procesamiento de videos y señales de EEG con algoritmos de Inteligencia Artificial y Deep Learning
Allis Reus, Leila Yazmín; Dingevan Cassab, Matías Ignacio
La somnolencia es un estado de fatiga y sueño que afecta a todas las personas,
y es una de las principales causas de los accidentes de tránsito, afectando gravemente
la seguridad de las conductores y acompañantes (ocasionando discapacidades
permanentes, o incluso, la muerte).La detección temprana de este estado puede
ayudar a prevenir tales sucesos, ya que los conductores somnolientos tienen
dificultades para mantener la atención a la hora de manejar, disminuye su tiempo de
reacción, y son propensos a cometer errores. De la señal electroencefalográfica
(EEG) es posible extraer patrones indicadores de somnolencia antes de la
manifestación física de ésta.
En este trabajo se propone la validación de clasificadores que caracterizan el
estado de somnolencia a partir del uso de algoritmos de inteligencia artificial aplicados
en el procesamiento de videos, para detectar dicho estado a partir de gestos faciales;
asimismo, se busca complementar este algoritmo junto con el procesamiento de
señales de EEG, los cuales permiten analizar patrones de ondas cerebrales. Para
realizar el trabajo, se cuenta con una base de datos de señales de EEG y videos,
adquirida en voluntarios durante el uso de un simulador de conducción. La misma
cuenta con 4 canales EEG, 2 de EOG (electrooculograma), 1 de ECG
(electrocardiograma), videos obtenidos con una cámara frente al usuario durante la
simulación y marcas temporales de los eventos de somnolencia indicados por los
conductores.
Para detectar los signos de fatiga al volante, es necesario el acondicionamiento
y análisis de las señales, lo cual se realizó en el lenguaje de programación Python. El
análisis se efectuó utilizando ventanas temporales de video, para posteriormente
poder entrenar el algoritmo de detección de somnolencia.
2024-12-13T00:00:00ZDiseño y construcción de una base de datos científica para entrenamiento y validación de algoritmos de inteligencia artificial aplicados a mamografías.Cortés Zmutt, Facundohttp://huru.unsj.edu.ar/handle/123456789/5742025-09-04T13:54:32Z2024-12-01T00:00:00ZDiseño y construcción de una base de datos científica para entrenamiento y validación de algoritmos de inteligencia artificial aplicados a mamografías.
Cortés Zmutt, Facundo
El presente trabajo final es una labor conjunta entre especialistas de la Universidad Nacional de San Juan(UNSJ), el Hospital Marcial Quiroga(HMQ) y la Universidad Nacional de Mar del Plata (UNMDP).
Este protocolo de investigación surge de la importancia de la prevención y diagnóstico precoz de cáncer de mama para optimizar la atención médica, ya que representa una de las principales causas de mortalidad entre mujeres.
La mamografía se ha considerado como la modalidad de imagen imprescindible, en especial en su estadio preclínico, pero a pesar de su utilidad y eficacia diagnostica presenta desafíos, donde se destaca la complejidad inherente a la interpretación de imágenes, requiriendo un alto grado de especialización del personal médico. Lo cual, lleva a demoras en diagnosticar y en implementar el tratamiento adecuado.
Resulta imperativo fortalecer las capacidades técnicas y profesionales del sistema de salud de la Provincia de San Juan, para lograr responder ante la demanda con calidad.
Por ende, en este trabajo de investigación se aborda la importancia de implementar herramientas basadas en IA mejorando la precisión y eficiencia, pero en su desarrollo se debe tener en cuenta que se requiere un gran conjunto de datos de alta calidad y que sean estadísticamente representativos de la población objetivo.
2024-12-01T00:00:00Z