Browsing by Author "Forero Vargas, Manuel Guillermo"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Implementación de un modelo de aprendizaje profundo de máquinas para la detección de cáncer de seno
    (Pontificia Universidad Javeriana Cali, 2024) Ávila Gómez, Jair Orlando; Maldonado Benavides, Fabián Alonso; Bermúdez Murillo, Laura Yohana; Forero Vargas, Manuel Guillermo; Castaño Idárraga, Omar Andrés
    El objetivo principal de este trabajo es implementar un modelo de aprendizaje profundo para la detección de cáncer de seno mediante el análisis de imágenes médicas obtenidas a través de mamografías. Se propone el desarrollo y entrenamiento de un sistema capaz de identificar nódulos sospechosos en estas imágenes. Para lograrlo, se utilizarán diversas arquitecturas convolucionales, como VGG16, VGG19, RESNET y RESNET50, así como Visión Transformer (VIT)
  • Thumbnail Image
    Item
    Sistema de detección de cáncer de piel con aprendizaje de máquina para dispositivo de bajo consumo
    (Pontificia Universidad Javeriana Cali, 2024) Niño Rondón, Carlos Vicente; Forero Vargas, Manuel Guillermo; Castro Casadiego, Sergio Alexander
    El 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.
  • Thumbnail Image
    Item
    Sistema de reconocimiento facial en tiempo real orientado al control de acceso empresarial
    (Pontificia Universidad Javariana Cali, 2024) Olier Olier, Jesús Rafael; Barrios Rodríguez, Andrés David; Forero Vargas, Manuel Guillermo
    El documento aborda el desarrollo e implementación de un sistema de reconocimiento facial basado en inteligencia artificial, diseñado para optimizar el control de acceso en un entorno minero caracterizado por condiciones adversas. Este proyecto, implementado en un entorno minero, representa una solución tecnológica que combina modelos avanzados de aprendizaje profundo y estadístico con estrategias eficientes de procesamiento de datos, adaptadas específicamente al contexto industrial. En primera instancia, se definieron los requisitos del sistema considerando la infraestructura tecnológica disponible, incluyendo cámaras de vigilancia de alta resolución y servidores con capacidades de GPU. A partir de este análisis, se establecieron métricas de rendimiento, tales como precisión, tasa de error y tiempo de respuesta, garantizando un marco evaluativo sólido. El proyecto evaluó cuatro modelos principales: Red Siamesa, FisherFaceRecognizer, LBPH Face Recognizer y Eigen Face Recognizer. Cada uno de ellos fue configurado, entrenado y probado bajo las mismas condiciones para asegurar una comparación justa, revelando que la Red Siamesa ofreció el mejor desempeño en términos de precisión (95.4%), mientras que los modelos estadísticos destacaron en tiempos de respuesta. Además, se implementaron técnicas fundamentales de procesamiento de imágenes, como la conversión a escala de grises, escalado uniforme y normalización, para mejorar la calidad de los datos de entrada. El uso de aceleración por GPU permitió reducir los tiempos de entrenamiento y predicción, optimizando la eficiencia general del sistema. Asimismo, se desarrollaron estrategias para mitigar errores críticos, como los falsos positivos y negativos, mediante ajustes de umbrales, aumentación de datos y optimización del preprocesamiento. Los resultados obtenidos demuestran que el sistema propuesto no solo cumplió con los objetivos específicos planteados, sino que también establece un precedente para la implementación de tecnologías de inteligencia artificial en entornos industriales. La integración de algoritmos robustos, procesamiento eficiente y gestión de errores asegura un sistema confiable y adaptable a condiciones cambiantes, contribuyendo significativamente a la seguridad y eficiencia operativa de la empresa minera.