Archivo vivo academico

Innovacion estudiantil, preservada y abierta para todos.

Un museo digital interactivo que celebra los proyectos con impacto. Explora los proyectos que se desarrollan en la Escuela de Ingeniería de la Universidad Modelo por carrera y ciclo escolar.

+749 Proyectos
40 Categorias
+688 Estudiantes

Ingenieros Modelo

Proyectos destacados del semestre

Recientes

Explora los proyectos mas recientes

Ver todos los proyectos
Segmentacion semantica binaria de polipos colorrectales
IBM | 2026

Segmentacion semantica binaria de polipos colorrectales

Este trabajo presenta un modelo de segmentación semántica binaria basado en la arquitectura U-Net con codificador ResNet34 para detectar pólipos en imágenes endoscópicas. Ante la tasa de omisión del 22% en colonoscopias manuales, este sistema de deep learning busca asistir al médico y reducir errores de diagnóstico. Entrenado con el dataset Kvasir-SEG y estrategias de aumentación de datos para mitigar el sobreajuste, el modelo alcanzó un rendimiento clínico sobresaliente: 97% de exactitud, coeficiente Dice de 0.9039 e IoU de 0.8427. Su alta precisión (0.9221) minimiza los falsos positivos, consolidándose como una herramienta robusta y eficaz para la detección temprana del cáncer colorrectal.

Investigación Científica Aplicada
Sistema de Detección y Clasificación de Tumores con Redes Neuronales basado en Imágenes de Gammagrama óseo
IBM | 2026

Sistema de Detección y Clasificación de Tumores con Redes Neuronales basado en Imágenes de Gammagrama óseo

En el contexto de la gammagrafía ósea, la detección temprana de lesiones o tumores resulta esencial para el tratamiento oportuno de diversas patologías, incluyendo metástasis óseas. Un sistema automatizado que permita segmentar estructuras, detectar zonas anómalas y clasificarlas podría reducir la carga operativa del especialista y mejorar la consistencia en el análisis. El presente proyecto propone el desarrollo de un sistema de procesamiento de imágenes médicas basado en redes neuronales, enfocado en la detección y clasificación de posibles tumores en estudios de rastreo óseo. La finalidad es generar una herramienta de apoyo clínico que complemente el criterio médico, optimice tiempos de análisis y aporte mayor objetividad al proceso diagnóstico dentro del área de medicina nuclear

Investigación Científica Aplicada
Comparación y Clasificación Automática de Lesiones Dermatoscopicas mediante ResNet50 y EfficientNetB3 con Transfer Learning: Implementación sobre el Dataset HAM10000
IBM | 2026

Comparación y Clasificación Automática de Lesiones Dermatoscopicas mediante ResNet50 y EfficientNetB3 con Transfer Learning: Implementación sobre el Dataset HAM10000

Proyecto de ingeniería biomédica enfocado en la clasificación automática de lesiones cutáneas mediante redes neuronales convolucionales. Utilizando el dataset dermatoscópico HAM10000, realizando un análisis comparativo entre las arquitecturas ResNet50 y EfficientNetB3, por medio de la metodología de Transfer Learning, el sistema procesa y reconoce patrones morfológicos complejos, ofreciendo una solución tecnológica de alta precisión con el fin de apoyar el diagnóstico clínico temprano del cáncer de piel.

Investigación Científica Aplicada
Desarrollo de Software para la Detección Automatizada y Cuantificación Vectorial del Valgo Dinámico de Rodilla
IBM | 2026

Desarrollo de Software para la Detección Automatizada y Cuantificación Vectorial del Valgo Dinámico de Rodilla

La cuantificación del valgo dinámico de rodilla (riesgo clave para la ruptura del LCA en atletas) se ve limitada en la clínica por la subjetividad visual ante la velocidad del impacto. Por ello, se propone desarrollar un sistema de visión artificial para la identificación y clasificación automática de este riesgo. Se analizaron videos frontales (60 fps) de la prueba Single Leg Drop Jump (caída desde 30 cm y salto monopodal máximo) mediante una red convolucional para aislar el fotograma de máximo colapso articular. Luego, MediaPipe BlazePose extrajo coordenadas 3D de cadera, rodilla y tobillo para calcular el ángulo de desviación (FPPA) vía geometría vectorial para clasificar el riesgo de lesión.

Investigación Científica Aplicada
Síntesis y caracterización de nanopartículas de plata incorporadas en hidrogeles de almidón de makal para aplicaciones en curación de heridas.
IBM | 2026

Síntesis y caracterización de nanopartículas de plata incorporadas en hidrogeles de almidón de makal para aplicaciones en curación de heridas.

El proyecto "Síntesis y caracterización de nanopartículas de plata incorporadas en hidrogeles de almidón de makal para aplicaciones en curación de heridas" tiene como objetivo desarrollar un biomaterial con propiedades antimicrobianas y capacidad de absorción para favorecer la cicatrización de heridas. Para ello, se sintetizan nanopartículas de plata (AgNPs) y se incorporan en una matriz de hidrogel elaborada a partir de almidón de makal (Xanthosoma yucatanense). Posteriormente, se evalúan sus propiedades fisicoquímicas, estructurales y funcionales, con el fin de determinar su potencial como apósito avanzado para el tratamiento de heridas, contribuyendo al desarrollo de alternativas biomédicas de origen natural y biocompatible.

Investigación Científica Aplicada
Segmentación Tridimensional de Nódulos Pulmonares en Tomografía Computarizada mediante 3D U-Net utilizando al Dataset LUNA16
IBM | 2026

Segmentación Tridimensional de Nódulos Pulmonares en Tomografía Computarizada mediante 3D U-Net utilizando al Dataset LUNA16

El cáncer de pulmón continúa siendo una de las principales causas de mortalidad por cáncer en el mundo. La detección temprana de nódulos pulmonares mediante tomografía computarizada es fundamental para apoyar el diagnóstico oportuno y el seguimiento de pacientes en riesgo. Sin embargo, la segmentación manual de estos nódulos resulta compleja debido a su reducido tamaño, variabilidad morfológica y similitud con estructuras anatómicas circundantes. Este trabajo presenta una etapa inicial para el desarrollo de un algoritmo de segmentación tridimensional de nódulos pulmonares utilizando el conjunto de datos público LUNA16. Se implementó un flujo de preprocesamiento y se evaluó una arquitectura 3D U-Net para la delimitación automática de regiones nodulares. El rendimiento del modelo se analizó mediante métricas como Dice, IoU, sensibilidad y especificidad. Los resultados obtenidos constituyen una base experimental para futuras evaluaciones con estudios tomográficos de origen hospitalario.

Investigación Científica Aplicada