Our purpose is to manage, preserve, and disseminate all the intellectual, scientific, and historical production of our university community.
Communities in DSpace
Select a community to browse its collections.
Recent Submissions
Desarrollo de Sistema Portátil para el Monitoreo Continuo de la Presión Arterial Basado en Fotopletismografía (PPG)
(Pontificia Universidad Javeriana Cali, 2025) Canaval Dicue, Valentina; Marmolejo Hernández, Natalia; Palacios Duarte, Juan Esteban; Torres Valencia, Cristian Alejandro
La hipertensión arterial constituye uno de los principales problemas de salud pública a nivel mundial debido a su alta prevalencia, carácter asintomático y estrecha relación con enfermedades cardiovasculares y cerebrovasculares. En respuesta a esta problemática, se desarrolló un sistema portátil para el monitoreo continuo de la presión arterial, basado en una técnica óptica no invasiva, orientado al seguimiento continuo de la salud cardiovascular. El proyecto abarcó el procesamiento de señales fisiológicas, el diseño electrónico del sistema y la implementación de un modelo matemático predictivo que permite estimar los valores de presión arterial sistólica y diastólica a partir de las características de la señal adquirida. Asimismo, se integró un sistema de comunicación inalámbrica que posibilita la visualización de los datos mediante una aplicación móvil, permitiendo el seguimiento de tendencias y la generación de alertas ante valores compatibles con hipertensión. De forma paralela, se desarrolló el diseño físico del prototipo y la fabricación de placas electrónicas personalizadas, garantizando la portabilidad y estabilidad del dispositivo. El prototipo final presentó un funcionamiento estable en condiciones controladas, con una adquisición y transmisión de datos confiables. Los resultados obtenidos evidencian la viabilidad del sistema como una herramienta para el monitoreo continuo de la presión arterial, aportando al desarrollo de tecnologías biomédicas portátiles orientados a la detección temprana y la prevención de enfermedades cardiovasculares.
Diseño de un protocolo de mejora para la hemodiálisis en Colombia, basado en ISO 9001:2015
(Pontificia Universidad Javeriana Cali, 2025) Rodríguez Hernández, María José; Botina Muñoz, Flor Neyfy; Soto González, Angélica María
La enfermedad renal crónica (ERC) representa un desafío creciente en Colombia, donde la demanda de hemodiálisis ha aumentado debido al envejecimiento poblacional y la alta prevalencia de enfermedades crónicas. Sin embargo, la tercerización de este servicio ha generado disparidades en la calidad de atención. Este proyecto propuso el diseño de un protocolo de mejora para la hemodiálisis, basado en la norma ISO 9001:2015, mediante análisis documental. Se identificaron deficiencias en infraestructura, protocolos y gestión hospitalaria, proponiendo la estandarización de procesos para optimizar la eficiencia, garantizar la seguridad del paciente y fortalecer la calidad del servicio. El estudio se desarrolló bajo un enfoque de estudio documental (análisis de fuentes secundarias), con revisión bibliográfica, análisis de modelos internacionales y formulación de un protocolo adaptable al contexto colombiano. Así mismo, se establecieron aportes desde la ingeniería biomédica en el manejo de equipos, estandarización de procedimientos y sostenibilidad del sistema. Los entregables incluyeron un diagnóstico, una matriz comparativa, una guía de implementación y el protocolo de mejora. Esta propuesta pretendía reducir el impacto negativo de la tercerización y contribuir a una atención más equitativa y eficiente en los servicios de salud renal.
Desarrollo de una herramienta para la clasificación de movimientos de la mano asociados al síndrome del túnel carpiano mediante aprendizaje automático
(Pontificia Universidad Javeriana Cali, 2025) Arango Valencia, Karen Nicolle; Palacios Duarte, Juan Esteban; Corchuelo Guzmán, Valentina
El síndrome del túnel carpiano (STC) es una neuropatía que se genera por la compresión del nervio mediano y compromete la función de la mano constituyendo una causa frecuente de ausentismo laboral. Su detección temprana es limitada por la falta de herramientas objetivas para evaluar patrones de movimiento asociados al riesgo biomecánico. En este proyecto se desarrolla una herramienta para clasificar movimientos de la mano vinculados al STC a partir de señales de sEMG y aprendizaje automático. A partir de una revisión de repositorios públicos y empleando el Proceso Analítico Jerárquico (AHP), se seleccionó NinaPro DB2 (Ejercicio B), que incluye movimientos funcionales con gestos de riesgo como la flexión, extensión y desviaciones de la muñeca. Las señales provenientes de la base de datos se filtraron (20–450 Hz, notch 50 Hz), normalizaron mediante Z-score y segmentaron en 44 526 ventanas, con un desbalance de clases cercano a 1:4 (riesgo vs. seguro). Se entrenaron modelos clásicos basados en 144 características (Ensemble Subspace KNN y Random Forest) y modelos profundos sobre secuencias crudas (CNN-LSTM y BiLSTM), evaluando distintas estrategias de balanceo: sobremuestreo sintético en ML y data augmentation temporal y Focal Loss en DL. Los resultados muestran que el desempeño depende fuertemente del tratamiento del desbalance. Con ADASYN, el modelo Random Forest alcanzó un AUC de 0.906, una sensibilidad del 86% para la clase de riesgo y un F1-score de 0.83, siendo el clasificador más robusto. En los modelos profundos, la mejor configuración se obtuvo combinando únicamente data augmentation (jittering, scaling y time-warping), donde la CNN-LSTM alcanzó un AUC de 0.764, una sensibilidad cercana al 61% y un F1-score de 0.62, mientras que el BiLSTM logró una sensibilidad del 65% y un F1-score de 0.59. En conjunto, los modelos clásicos con sobremuestreo sintético capturan con mayor eficacia las diferencias entre movimientos seguros y de riesgo en bases con variabilidad temporal limitada. El sistema se integró en un prototipo funcional con backend en Flask e interfaz web, que replica el preprocesamiento y permite realizar inferencia sobre nuevas señales sEMG. Los resultados demuestran la viabilidad de un enfoque no invasivo para monitorear patrones motores asociados al riesgo de STC y sientan las bases para herramientas de prevención accesibles en entornos ocupacionales.
MyoAlert Vision: sistema inteligente de apoyo diagnóstico para la identificación automática del infarto agudo de miocardio con elevación del segmento ST mediante análisis electrocardiográfico
(Pontificia Universidad Javeriana Cali, 2025) Daza Cerón, Julieth Alejandra; Obregón Londoño, William Felipe; Torres Valencia, Cristian Alejandro
El infarto agudo de miocardio es una de las principales causas de mortalidad a nivel mundial, con aproximadamente 3 millones de casos al año, siendo su variante con elevación del segmento ST una de las presentaciones más críticas. En Colombia, esta condición figura entre las principales causas de defunción, lo que resalta la necesidad de herramientas que mejoren la detección temprana y la precisión diagnóstica en entornos clínicos. Con el objetivo de brindar soporte diagnóstico a los profesionales de la salud, este trabajo desarrolló MyoAlert Vision, una aplicación web capaz de identificar patrones asociados a la enfermedad en registros de ECG de 12 derivaciones y estimar la localización anatómica del infarto (anterior, inferior, lateral o septal). El sistema integra modelos de aprendizaje automático XGBoost y CNN-1D, alcanzando precisiones del 93 % y 91 % en la detección del evento isquémico, y emplea LightGBM para la identificación de la zona afectada, con una precisión del 86 %. Para esta última etapa, se incorporó un proceso previo que combinó un segundo modelo XGBoost con valores SHAP, con el fin de mejorar la interpretabilidad de los resultados y respaldar la asignación anatómica de las predicciones. En conjunto, estos resultados consolidan a MyoAlert Vision como un prototipo eficiente, que constituye un primer acercamiento al soporte diagnóstico asistido por inteligencia artificial en el infarto agudo de miocardio con elevación del segmento ST.
Sistema de simulación basado en la pupilometría para la detección de posibles traumas craneoencefálicos y ciertas patologías pupilares
(Pontificia Universidad Javeriana Cali, 2025) Hormiga Illera, Joan David; Vergara Burbano, Fabio; Vergara Gil, Juan Camilo
El TCE puede provocar alteraciones graves en el cerebro que, de no ser controladas, pueden llevar a un aumento crítico de la presión intracraneal (PIC), lo que puede poner en riesgo la vida del paciente. Por otro lado, la pupilometría es una herramienta clave para identificar disfunciones neurológicas y oculares, ya que la pupila es un indicador sensible de diversos problemas, tanto lo cales como sistémicos. Aunque la pupila puede ser evaluada con instrumentos simples, un análisis inadecuado podría derivar en diagnósticos incorrectos y tratamientos no óptimos. Con el crecimiento exponencial que ha tenido el campo de la salud en los últimos años, se han desarrollado diversas tecnologías de simulación enfocadas en mejorar el entendimiento de distintas patologías o condiciones. Sin embargo, los TCE afectan a muchas personas y, aun así, se evidencia una ausencia de herramientas basadas en la pupilometría que permitan simular este tipo de casos. El proyecto tiene como objetivo el diseño de un sistema integrado de software y hardware para la posible identificación de (TCE) y otras patologías pupilares por medio de la pupilometría. Para su desarrollo se utilizó la metodología design thinking y la implementación se realizó con Godot Engine, Blender y Makey Makey. Este sistema presenta distintas funcionalidades y ventanas, lo que permite recrear casos de problemas asociados a TCE y patologías pupilares, proporcionando diferentes datos del diámetro pupilar y su respuesta. El hardware complementa el software por medio de un sensor de luz, el cual es estimulado por la luz que el usuario genere. La pantalla del computador es la encargada de presentar las diversas opciones y secciones del simulador. La verificación de su funcionalidad se realizó junto con el asesor, como profesional en el área. La solución resultó útil como herramienta de simulación, facilitando la interpretación de signos pupilares asociados a TCE y patologías.