Ingeniería Electrónica
Permanent URI for this collection
Browse
Browsing Ingeniería Electrónica by Subject "Aprendizaje de máquina"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
Item Aprendizaje de máquina aplicado a un proceso de clasificación para un robot colaborativo(Pontificia Universidad Javeriana Cali, 2023) Delgado Giraldo, María de los Ángeles; Penagos Angrino, Juan Felipe; Martínez Álvarez, AlexánderSe desarrolló un sistema basado en redes neuronales artificiales (RNA), el cual permite el aprendizaje y la ejecución de una tarea de clasificación de objetos cúbicos por color al robot colaborativo UR3 mediante interacción multimodal comandada por gestos y voz. Las pruebas se realizaron con siete sujetos de prueba a los cuales inicialmente se les realizó una encuesta para identificar el nivel de conocimiento en robótica e interacción multimodal. Posteriormente, se les explicó cuáles eran las diferentes formas para enseñarle al robot la tarea de clasificación por color de objetos cúbicos. Finalmente, se ejecutaron las pruebas en dos formatos; cuantitativas y cualitativas. Las pruebas cuantitativas evaluaron 588 interacciones verbales, 21 comandos de voz, 252 interacciones gestuales, 63 interacciones multimodales y 63 clasificaciones por color de objetos cúbicos, obteniendo un total de acierto del 94.86% para comandos multimodales, un 96.83% para comandos de voz, un 80.95% para los comandos multimodales y 100% para las clasificaciones por color de objetos cúbicos. Las pruebas cualitativas se realizaron mediante una encuesta de cinco preguntas evaluada con una escala likert, consultando a los usuarios sobre su experiencia respecto al desempeño de las interacciones verbales, gestuales, multimodales, realimentación y clasificación. Las encuestas mostraron una alta satisfacción sobre la arquitectura propuesta durante la interacción del usuario con el robot.Item Segmentación del cuello uterino en imágenes de colposcopia mediante técnicas de aprendizaje de máquina(Pontificia Universidad Javeriana Cali, 2024) Bolaños Semanate, Ana María; Hurtado Bustos, Santiago; Vargas Cardona, Hernan DarioEl virus del papiloma humano (VPH) es una enfermedad de transmisión sexual que puede desencadenar cáncer de cuello uterino, siendo esta la cuarta neoplasia más frecuente en las mujeres a nivel mundial y la segunda a nivel nacional, convirtiéndose en uno de los principales problemas de salud pública. Por esta situación, actualmente se realizan diferentes campañas de salud que promueven los exámenes de tamización del cáncer de cuello uterino como: citología, colposcopia y prueba del virus del papiloma humano, los cuales permiten la detección de esta enfermedad. Sin embargo, los tiempos de espera para obtener los resultados son altos debido a la infraestructura deficiente de los laboratorios, incluso las pruebas recolectadas en los exámenes están sujetas a una manipulación o almacenamiento inadecuado afectando el diagnóstico, ocasionando que la prueba se deba tomar de nuevo, postergando el diagnóstico. Ante esta situación donde la salud de millones de mujeres se ve afectada cada año, se opta por aprovechar las imágenes de colposcopia para analizar el estado del cuello uterino mediante técnicas de aprendizaje de máquina como una herramienta para soportar el diagnóstico de las pacientes, empleando métodos supervisados y no supervisados, para mejorar el tiempo de diagnóstico de esta enfermedad, debido a que esto permite evaluar un gran número de datos en menor tiempo. Con el fin de ayudar a dar solución a este problema de salud pública, se desarrolló un aplicativo de escritorio que cuenta con modelos de aprendizaje supervisado y no supervisado. Para llegar a este producto fue necesario acondicionar las bases de datos para que las imágenes sean uniformes, revisar documentación de trabajos previos, así como también modelos, para poder implementarlos, finalmente se evaluaron todos los modelos para definir cuales cumplen con las métricas establecidas que garantizan un buen rendimiento para el proyecto de CITOBOT, el cual es financiado por Minciencias y está siendo desarrollado por un equipo multidisciplinario de las facultades de ingeniería y ciencias de la salud, en colaboración con la ESE Ladera de la ciudad de Cali.