Innovacion estudiantil, preservada y abierta para todos.

La creciente demanda de tomografías computarizadas (TC) contrasta con un crecimiento insuficiente de radiólogos. En México, el IMSS atiende 78,900 estudios diarios con 7,000 especialistas, generando sobrecarga y fatiga que elevan errores diagnósticos. Este trabajo propone un sistema de clasificación automática de patologías renales en cortes de TC mediante machine learning como herramienta asistiva. El pipeline incluye un clasificador binario para diferenciar cortes axiales y coronales, y dos clasificadores multiclase (Normal, Quiste, Piedra, Tumor). Los resultados preliminares alcanzaron 99.5% de precisión en 800 imágenes, sin clasificar ninguna patológica como Normal. La principal limitación es la división del dataset por imagen y no por paciente, lo que podría sobreestimar el desempeño.

Este documento presenta de forma ordenada el desarrollo del proyecto KineTech, un sistema en Python orientado a la detección de pose humana en tiempo real, la medición del ángulo del codo y el almacenamiento de los resultados en un archivo de Excel para su análisis posterior. El proyecto se estructuró por fases para validar progresivamente cada componente: primero la captura y detección corporal, después el cálculo angular del codo (utilizado como referencia, pero se puede usar el que le convenga al fisioterapeuta), y finalmente la exportación de datos. Esta metodología facilita la depuración, mejora la comprensión del código y deja una base escalable para futuras aplicaciones en biomecánica, fisioterapia, rehabilitación o análisis de movimiento.

Se trata de un proyecto para desarrollar una app de tele-rehabilitación basada en visión por computadora que permita a los usuarios realizar sesiones de ejercicio físico correctas desde casa. El sistema detecta la postura corporal en tiempo real, analiza los movimientos y ofrece feedback automático, por lo que se puede mejorar la ejecución de los ejercicios sin necesidad de un control constante. la app almacena los avances del usuario, por lo tanto, el seguimiento del tratamiento resultamás fácil, además, la motivación aumenta.Por otro lado, esta solución tecnológica pretende que la rehabilitaciónsea más accesible, eficiente y autónoma.

Russel es un asistente virtual conversacional con inteligencia artificial generativa, diseñado para fortalecer la autonomía tecnológica de adultos mayores en Mérida, Yucatán. Cuya problemática central es la alta vulnerabilidad de este sector ante fraudes cibernéticos, agravada por las barreras técnicas que imponen las aplicaciones móviles tradicionales. El asistente virtual se construyó como un chatbot conectado directamente a la API de WhatsApp Business. Para su funcionamiento, se integraron dos herramientas principales de inteligencia artificial: un modelo de procesamiento de lenguaje natural, encargado de comprender las dudas del usuario, y un modelo para analizar imágenes.

Cultiva+ es una aplicación móvil orientada a pequeños y medianos productores agrícolas, la cual integra recomendaciones de siembra, información climática y herramientas de seguimiento de cultivos para permitir que los agricultores tomen decisiones más informadas y sufran menos riesgos. La aplicación utiliza Flutter para la interfaz y aplicación y SQLite para el manejo de datos. Se trata de un proyecto de tipo apoyo social en colaboración con la empresa privada Agrochenes y la gubernamental AGROASEMEX.

El proyecto consiste en el desarrollo de una solución digital integral para George Spin Studio, ubicado en Ciudad Caucel, Yucatán. Se diseñará una landing page atractiva para la promoción de servicios de entrenamiento, destacando su enfoque inclusivo para niños con TDAH y Autismo. Adicionalmente, se implementará un dashboard administrativo privado conectado a una base de datos en Sanity para la gestión eficiente de clientes, registros de salud y control de pagos. El despliegue se realizará en Vercel para optimizar costos de infraestructura.