Examinando por Autor "Castaño López, Juan Carlos"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónAcceso abierto
    Construcción de un atlas cerebral usando imágenes de resonancia magnética para el diagnóstico médico en Colombia
    (Universidad EIA, 2025) Noreña Luján, Emanuell; Castaño López, Juan Carlos; Quintero Zea, Andrés
    RESUMEN: El presente proyecto tuvo como objetivo principal el desarrollo de un atlas cerebral a partir de imágenes de resonancia magnética (RM) de una cohorte de 92 pacientes colombianos sanos (64 mujeres, 28 hombres; edad 25-48 años), con el fin de que sirva como referencia para el diagnóstico médico y la investigación clínica en Colombia. La metodología comprendió varias fases: (1) el establecimiento de un flujo de trabajo robusto y automatizado para el preprocesamiento de datos DICOM, su conversión a formato NIfTI, y la reorientación estándar; (2) la segmentación automática de 45 estructuras cerebrales y la cuantificación de sus volúmenes utilizando FreeSurfer, lo cual demostró una fiabilidad excepcional (ICC=1.00, Hausdorff 95%=0mm); (3) la construcción de plantillas cerebrales T1 promedio, específicas por sexo y con resolución isotrópica de 1 mm³, representativas de la población estudiada. Adicionalmente, (4) se implementó una aplicación web interactiva con tecnología React.js y Three.js para facilitar el acceso, la visualización 3D y la consulta de los datos volumétricos del atlas por parte de profesionales de la salud e investigadores, demostrando un buen rendimiento técnico. La evaluación formal del atlas y la interfaz mediante pruebas piloto y retroalimentación de expertos en neurociencia y neurología (Objetivo Específico 3) se plantea como una etapa futura crucial para validar su aplicabilidad clínica. Este trabajo sienta un precedente importante al proveer las primeras plantillas cerebrales poblacionales colombianas segregadas por sexo. Este proyecto desarrolló un atlas cerebral tridimensional a partir de imágenes de resonancia magnética estructural de voluntarios sanos en Colombia, con el propósito de ofrecer una guía anatómica representativa de la población local. El recurso apunta a optimizar el diagnóstico clínico, respaldar la investigación neurocientífica y fomentar el diseño de herramientas médicas adaptadas al contexto nacional. La metodología incluyó la recopilación de imágenes de alta resolución, la identificación de estructuras cerebrales clave y la aplicación de técnicas de registro no lineal para alinear los datos individuales. Con ello se generó una plantilla anatómica promedio y se construyeron mapas de probabilidad que describen la variabilidad morfológica entre sujetos. El producto final es un atlas 3D acompañado de una interfaz interactiva que facilita su uso por médicos, investigadores y estudiantes. La plataforma permite visualizar, explorar y descargar los datos, integrándolos de forma sencilla en aplicaciones clínicas y proyectos científicos. En conjunto, este atlas constituye una herramienta de referencia invaluable para el análisis del cerebro humano en el ámbito colombiano y representa un avance decisivo hacia una neuroimagen más precisa y contextualizada.
  • Miniatura
    PublicaciónAcceso abierto
    Semillero de procesamiento y detección de patrones en señales 2024-1
    (Universidad EIA, 2024) Alzate Márquez, Mateo; Gallón Duque, Santiago; Gutiérrez Noguera, Santiago; Jaramillo Codina, Alejandra Sofía; Zuluaga Gómez, Isabella; Castaño López, Juan Carlos
    RESUMEN: en el semillero de procesamiento de señales se utilizó una base de datos de estímulos emocionales por realidad virtual ya existente en donde se utilizaron señales de electrocardiograma (ECG). La base de datos contenía registros de 34 personas sometidas a 12 diferentes estímulos de realidad virtual (VR), clasificados como "felices" o "tristes", después se procesaron las señales usando Python y diversas librerías, comenzando con la limpieza y normalización de datos, seguida de la eliminación de ruido mediante el método IModPoly y un filtro pasa bajas de Butterworth y junto a esto se calcularon la frecuencia cardíaca y su variabilidad, la coherencia fisiológica y la entropía de Shannon como características de esta señal. Luego, se implementaron modelos de machine learning (KNN, MLP, SVM) para clasificar los estados emocionales, optimizando parámetros mediante GridSearchCV y evaluando los modelos con técnicas estándar de clasificación y gráficos SHAP para interpretar la importancia de las características. El ejercicio arrojó resultados como el análisis comparativo que mostró que el modelo KNN tuvo el mejor rendimiento con un área bajo la curva ROC de 0.71, seguido por MLP y SVM, ambos con un área de 0.61, también un análisis de las características demostró que las más influyentes fueron la coherencia fisiológica y la frecuencia cardíaca. Finalmente se concluyó que el modelo KNN fue el más adecuado para el conjunto de datos, mientras que MLP y SVM mostraron potencial en escenarios específicos con más datos y separación clara entre clases. El semillero estuvo constituido de sesiones explicativas y creativas donde se creó código de programación para resolver el problema planteado en el objetivo general.