Examinando por Autor "Sánchez Ocampo, María Manuela"

Mostrando 1 - 3 de 3
  • Miniatura
    PublicaciónAcceso abierto
    Generación de imágenes sintéticas de radiografía de tórax con enfermedad pulmonar obstructiva crónica utilizando técnicas de inteligencia artificial
    (Universidad EIA, 2023) Sánchez Ocampo, María Manuela; Bonet Cruz, Isis; Montagut, Yeison
    RESUMEN: La implementación de modelos generativos en la medicina, particularmente en la generación de imágenes diagnósticas de la Enfermedad Pulmonar Obstructiva Crónica (EPOC), representa un avance significativo en la convergencia entre la inteligencia artificial y la práctica clínica. En el presente trabajo se proponen dos modelos de redes neuronales. El primero es AEPOC, diseñado para clasificar la EPOC partiendo de imágenes médicas, con una arquitectura que combina dos autoencoders para extraer los patrones distintivos de cada clase. El segundo modelo es LunGAN, un modelo generativo que sintetiza imágenes que reflejan las características de la EPOC a partir de datos clínicos derivados de los exámenes de función pulmonar. El presente trabajo aborda cuatro etapas importantes. La primera se enfoca en la adquisición y procesamiento de los datos clínicos de la base de datos obtenida del Hospital Pablo Tobón Uribe. La segunda etapa se dedica al análisis detallado de la información estructurada y no estructurada que permiten comprender la patología. La tercera etapa implica el diseño e implementación de múltiples modelos con la finalidad de crear imágenes que presenten las características relevantes de la patología. Finalmente, se realizó la evaluación de la calidad de las imágenes, que permite tener una visión integral sobre la semejanza entre las imágenes reales y generadas, lo cual respalda la capacidad de los modelos para imitar con precisión las imágenes de radiografía de tórax. EL modelo generativo propuesto posee un potencial para transformar los datos clínicos en representaciones visuales, abriendo posibilidades de formación y el aprendizaje de profesionales médicos al simular diversidad de escenarios y manifestaciones de enfermedad sin la necesidad de un gran número de pacientes reales. Este avance señala un futuro prometedor en la unión de la inteligencia artificial con el campo de la medicina, ofreciendo nuevas perspectivas para afrontar y avanzar en los desafíos actuales del tratamiento y diagnóstico pulmonar, con el objetivo de mejorar constantemente la calidad de la atención médica.
  • Miniatura
    ÍtemAcceso abierto
    Implementación de un juego formativo en realidad virtual para personas con deterioro cognitivo leve (DCL)
    (Universidad EIA, 2023) Prada Urrea, Angie Liseth; Sánchez Ocampo, María Manuela; Muñoz Romero, Manuela
    RESUMEN: El deterioro cognitivo leve es una condición que afecta cada vez más a los adultos mayores y por medio de la cual se puede llegar a una condición cognitiva grave, perjudicando las actividades diarias de las personas, al disminuir la capacidad que tienen para valerse por sí mismos. De esta manera, pasa a ser una situación que no solo afecta a quienes la presentan, sino que influye en otras esferas sociales, donde se hace prescindible encontrar soluciones y alternativas de tratamiento que reduzcan la tendencia ascendente de este problema. por esta razón, es necesario implementar tecnologías que apoyen el tratamiento y la medición de las capacidades cognitivas de las personas, especialmente de la memoria, esto se puede lograr mediante ejercicios para la estimulación cognitiva, usando como medio de implementación la realidad virtual y los juegos serios, que han mostrado una influencia positiva en el mejoramiento de la memoria y otras capacidades cerebrales, de esta manera, se obtiene un juego serio que puede ser usado por personas con deterioro cognitivo leve.
  • Miniatura
    PublicaciónAcceso abierto
    Procesamiento y análisis de imágenes diagnósticas usando inteligencia artificial para la estimación de parámetros de entrada de un simulador virtual de pulmón
    (Universidad EIA, 2023) Bedoya Torres, Santiago; Sánchez Ocampo, María Manuela; Bonet Cruz, Isis
    RESUMEN: En la actualidad, incluso con los avances en la medicina que se han dado a lo largo de la historia, el pulmón es un órgano que no se ha podido estudiar en profundidad, puesto que esta es una labor complicada. El pulmón posee propiedades que dificultan su observación directa, como la presión negativa de su interior, que causa que el órgano colapse al abrir la caja toráxica. Así, surge la necesidad de crear herramientas no invasivas para el estudio de la mecánica respiratoria, tales como imágenes de rayos X y la tomografía computarizada que permiten obtener información útil del cuerpo a analizar. En este trabajo se pretende identificar características fisiológicas del pulmón, y también su forma a través del procesamiento de imágenes diagnósticas no invasivas utilizando inteligencia artificial, con el propósito de aportar a los estudios del órgano, y facilitar diagnósticos médicos arrojando resultados certeros. Se diseñará e implementará un modelo para poder obtener características de imágenes tridimensionales (3D) que permitan personalizar una simulación en 3D del pulmón. Este trabajo se va a incorporar en el simulador AVILUNG creado por María Manuela Sánchez Ocampo en 2019, para lograr personalizar el simulador a las características particulares de cada paciente.