Crowdchain es una plataforma de crowdfunding basada en tecnología blockchain y criptomonedas que conecta emprendedores con inversionistas. Permite financiar proyectos de diversos ámbitos mediante la emisión de tokens personalizados para cada iniciativa. Los inversionistas reciben estos tokens a cambio de su apoyo económico, y la plataforma garantiza la seguridad bloqueando la liquidez inicial de los mismos. Crowdchain actúa como intermediario confiable, promoviendo la transparencia y el acceso a nuevas oportunidades de inversión.

El proyecto trata sobre el diseño, construcción y programación de una máquina CNC casera, capaz de realizar cortes y grabados automáticos. Usaron modelado 3D, componentes electrónicos (como Arduino y motores paso a paso), y aplicaron la metodología SCRUM para organizarse. Iniciaron con pruebas usando un lápiz y luego integraron un Dremel para mecanizar placas. El objetivo fue aprender el funcionamiento y control de una CNC para aplicaciones industriales.

Se presenta el desarrollo de un prototipo de dispositivo de rehabilitación para la movilidad de rodilla, con un sistema bilateral de retroalimentación que permite medir el torque en los movimientos de flexión y extensión. El dispositivo emplea un motor DC con encoder, un puente H (L298N), un sensor de corriente INA219 y dos microcontroladores Arduino Mega. A través de un sistema de control PID y comunicación UART, se logra un monitoreo en tiempo real del desempeño del usuario, permitiendo registrar el progreso terapéutico y mejorar la personalización de las sesiones de rehabilitación. El prototipo fue validado en pruebas experimentales bajo condiciones controladas.

TaqueroVR es un juego de realidad virtual desarrollado en Unity, inspirado en los icónicos puestos de tacos de la Ciudad de México. En esta experiencia interactiva, el jugador asume el rol de un taquero que debe lanzar tacos a clientes virtuales, según sus pedidos. Utilizando controles de VR, se manipulan ingredientes, se gestionan órdenes y se vive el caos divertido de una taquería en plena acción. El juego incluye música y sonidos ambientales típicos de la CDMX, creando una experiencia inmersiva, culturalmente rica y entretenida.

Órtesis de miembro superior para paciente con accidente cerebrovascular de tipo isquémico para apoyo en su rehabilitación y actividades de la vida diaria. En el presente proyecto se pretende realizar una órtesis de miembro superior derecho para una paciente con accidente cerebrovascular de tipo isquémico para apoyo en su rehabilitación y sus actividades de la vida diaria. Por medio de la interacción con la paciente y comunicación directa con la fisioterapeuta encargada de su rehabilitación se determinó las principales funciones a cubrir con el dispositivo: prensión gruesa de la mano derecha y estabilidad articular del codo.

Se diseñó un sistema de comunicación asistiva basado en electrooculografía (EOG) para personas con parálisis y trastornos del habla, que enfrentan barreras de autonomía y calidad de vida. A diferencia de otras tecnologías de Comunicación Aumentativa y Alternativa (CAA) que requieren movimientos voluntarios, este dispositivo emplea los movimientos oculares, conservados en la mayoría de los casos, para navegar por una interfaz accesible y transformar selecciones en voz. El sistema integra un circuito de adquisición de señales EOG, procesamiento mediante PSoC con filtros digitales y una interfaz predictiva de palabras. También se diseñó un soporte adaptable a silla de ruedas para la pantalla de control. Pruebas preliminares comprobaron su funcionalidad y el potencial de la interfaz como herramienta accesible para mejorar la comunicación, autonomía e integración social de personas con discapacidad.

Este proyecto consiste en la transformación de una bicicleta convencional en una bicicleta eléctrica funcional y eficiente. El objetivo principal fue reutilizar una estructura existente para adaptarla a las nuevas necesidades de movilidad urbana sostenible, combinando tecnología accesible con principios de economía circular. La bicicleta fue modificada mediante la instalación de un motor eléctrico, una batería recargable de alta capacidad, y un controlador que regula la potencia y la velocidad. Además, se incorporaron elementos de seguridad y confort.

Este proyecto consiste en el desarrollo de una página web informativa para una empresa especializada en la creación de experiencias audiovisuales. El objetivo principal del sitio es presentar de manera clara, atractiva y profesional los servicios que ofrece la empresa, destacando su creatividad, innovación y capacidad técnica en la producción de contenidos audiovisuales para eventos, campañas publicitarias, instalaciones interactivas, videos corporativos, proyecciones 3D, entre otros. La página incluirá secciones clave como: Inicio: Una introducción visualmente impactante que refleje el estilo y enfoque de la empresa. Servicios: Detalles sobre cada uno de los servicios ofrecidos, acompañados de imágenes o videos de proyectos anteriores. Portafolio: Muestras de trabajos realizados para clientes anteriores, con descripciones breves del objetivo y alcance de cada proyecto. Nosotros: Información sobre el equipo, su filosofía de trabajo y experiencia en el sector.

Este proyecto explora dinámicas de interacción en realidad virtual mediante un arco como herramienta principal, incorporando mecánicas progresivas basadas en oleadas. Implementa optimización en VR, detección de obstáculos y adaptación en tiempo real para mejorar la respuesta del usuario en entornos de simulación. El sistema emplea una estructura de procesamiento iterativo, optimizando la navegación en terrenos semiabiertos mediante técnicas de detección de obstáculos y cálculo dinámico de trayectorias. Además, incorpora un motor de respuesta física, asegurando que el arco y las mecánicas de tiro se sientan naturales y ajustadas a los parámetros de precisión.

Cucho-Doo es una solución integral de gestión diseñada especialmente para clínicas veterinarias. Facilita la administración eficiente de citas, el control de inventarios, el seguimiento detallado de clientes y mascotas, así como la gestión de ventas. Gracias a su enfoque local, Cucho-Doo ofrece una plataforma accesible, completamente en español, personalizada a las necesidades del sector y con soporte especializado, brindando una experiencia adaptada al entorno operativo de las veterinarias en la región

CIUM 2025. Un congreso de ingeniería reúne a expertos, académicos y estudiantes para compartir saber e innovar. Promueve colaboración, actualización profesional y soluciones tecnológicas y sostenibles a retos globales. Facilita redes de contacto, formación continua y difusión de avances en energía renovable y digitalización. Inspira a nuevas generaciones a impulsar el progreso. El CIUM, fortalece la comunidad ingenieril, proyectando un futuro innovador y sostenible para todos con impacto global.

La detección de cálculos renales en tomografías es clave para prevenir complicaciones y facilitar el tratamiento oportuno. Los métodos tradicionales requieren intervención manual, lo que puede ser laborioso y propenso a errores. Este estudio propone un sistema automatizado que integra:1) un clasificador MobileNetV2 para identificar la orientación del corte (axial/coronal); 2) un detector YOLOv8n que localiza los riñones con >95% de precisión; y 3) una segmentación adaptativa de los cálculos mediante umbralización de histograma. Se empleó un conjunto público con 2,757 imágenes abdominales CT. MobileNetV2 permitió clasificar automáticamente los planos, y YOLOv8 localizó los riñones eficientemente. El sistema logró 100% de sensibilidad, aunque con mayor tasa de falsos positivos, precisión de 75.76% y F1-Score de 84%. Estos resultados indican un alto potencial clínico, aunque se requieren mejoras para reducir falsos positivos y validar en más datos.

El estudio compara tres modelos de deep learning (DenseNet121, MobileNetV2 e InceptionV3) para detectar tuberculosis (TB) en radiografías. Usando 1,400 imágenes (700 TB+ y 700 normales), preprocesadas y divididas en entrenamiento (75%), validación (15%) y prueba (10%), se aplicó transfer learning. MobileNetV2 destacó con 100% sensibilidad (sin falsos negativos) y 0.93 precisión, siendo el más equilibrado. DenseNet121 logró 0.95 precisión pero con 10 falsos negativos, riesgo clínico importante. InceptionV3 tuvo buen rendimiento pero con posible sesgo hacia diagnósticos normales. Conclusión: MobileNetV2 es ideal para diagnóstico automatizado de TB por su balance entre detección confiable y precisión, superando a otros modelos en aplicaciones médicas donde los falsos negativos son críticos.

Las radiografías de tórax son herramientas fundamentales en el diagnóstico de enfermedades torácicas debido a su accesibilidad y valor informativo. La detección automática de anomalías en radiografías de tórax mediante aprendizaje profundo ha mostrado resultados prometedores, especialmente con redes neuronales convolucionales (CNNs). En este estudio, se evalúa y compara el rendimiento de tres arquitecturas CNN de última generación: DenseNet121, InceptionV3 y Xception, para la clasificación multiclase de anormalidades torácicas. Se utilizó un conjunto de datos público que contiene nueve categorías diagnósticas, que van desde anatomía normal hasta diversas condiciones patológicas. Todos los modelos fueron ajustados mediante aprendizaje por transferencia y entrenados bajo una misma metodología para asegurar la comparabilidad. Las métricas de evaluación incluyeron precisión (accuracy), puntuación F1, precisión (precision) y matrices de confusión. Los resultados experimentales muestran que

Intracranial hemorrhage (ICH) is a life- threatening neurological condition that requires urgent and accurate diagnosis. Computed tomography (CT) is the prima-ry imaging modality used for early detection of ICH, yet manual interpretation of scans remains time-consuming and error-prone, this work proposes a deep learn-ing pipeline based on a U-Net architecture for automated detection and segmenta-tion of ICH in 2D axial brain CT images. The approach integrates a binary slice level classifier to identify potential hemor-rhagic slices, followed by a semantic segmentation to delineate hemorrhagic re-gions.

Las enfermedades dentales como las caries, la pérdida ósea y las lesiones periapicales son algunos de los problemas de salud bucal más comunes, y detectarlas a tiempo es clave para evitar complicaciones a largo plazo. Sin embargo, debido a que estas afecciones se ven muy parecidas en las radiografías dentales, hacer un diagnóstico preciso puede ser difícil, incluso para profesionales con experiencia. Este estudio analiza el uso de redes neuronales convolucionales para clasificar automáticamente radiografías dentales en cuatro categorías: sano, caries, pérdida ósea y lesión periapical. Para ello, se usaron cuatro modelos avanzados ya entrenados: InceptionV3, ResNet50, EfficientNetB0 y MobileNetV2, mediante una técnica llamada aprendizaje por transferencia.

Este estudio desarrolla modelos automatizados para clasificar COVID-19, neumonía y patrones normales en radiografías de tórax (CXR). Usamos aprendizaje profundo (InceptionV3, ResNet152V2) con transferencia de aprendizaje y un SVM clásico para comparación. Un gran conjunto de datos CXR público fue preprocesado y particionado. Los modelos de aprendizaje profundo demostraron una capacidad superior para diferenciar estados pulmonares. Esta investigación ofrece un gran potencial para mejorar el diagnóstico clínico, el manejo de pacientes y reducir la carga de trabajo de los radiólogos en crisis de salud.

La retinopatía diabética (RD) es una de las principales causas de discapacidad visual prevenible a escala mundial, especialmente entre las personas con diabetes de larga evolución. La detección precoz y la intervención oportuna son imprescindibles para evitar la pérdida grave de visión. Este estudio explora la aplicación de redes neuronales convolucionales (CNN) como posible solución para la detección automatizada de la retinopatía diabética (RD) en estadios tempranos: No_DR, Leve, Moderada, Severa y Pro-liferativa_DR. Se preprocesó un conjunto de datos compuesto por 3.500 imágenes de fondo de ojo, distribuidas uniformemente en cuatro estadios clínicos de RD, para estandarizar el contraste y minimizar el ruido. El estudio comparó tres arquitecturas de CNN: InceptionV3, Xception y VGG16, ampliamente reconocidas en la literatura por su eficacia en tareas complejas de clasificación de imágenes.

Ya sean malignos o benignos, los tumores cerebrales presentan importantes desafíos diagnósticos debido a su impacto en estructuras neurales críticas. Este estudio evalúa la eficacia del uso de Redes Neuronales Convolucionales (CNN, por sus siglas en inglés) para asistir en la detección y clasificación de tumores cerebrales a partir de imágenes generadas por Resonancia Magnética (MRI). Se utilizó un conjunto de datos de acceso público disponible en Kaggle, que comprende 5,712 imágenes etiquetadas en cuatro categorías (glioma, meningioma, tumor pituitario y sin tumor) para entrenar, validar y probar tres arquitecturas de CNN: ResNet50, VGG16 y VGG19. Cada modelo fue sometido a los mismos pasos de preprocesamiento y configuración de entrenamiento para garantizar una comparación justa. Las métricas de evaluación incluyeron precisión (accuracy), pérdida (loss), matrices de confusión, curvas ROC y curvas de precisión-recall.

La distribuidora El Tigre es una empresa yucateca con una sólida trayectoria en el mercado, fundada en el año 2002, que se ha especializado en la distribución y fabricación de una amplia variedad de productos, que abarcan desde artículos de papelería hasta soluciones integrales para embalaje. Como consultoría, nuestra intención es ofrecerle un plan de mejora detallado y estratégico, con el cual puedan optimizar sus procesos, reducir significativamente sus tiempos de operación y aumentar su eficiencia general.

En este proyecto se plantea realizar la conversión de una Toyota Sienna 2008, sustituyendo su motor de combustión interna inoperante por un motor eléctrico. Se buscará adaptar un sistema de propulsión eléctrica, integrando un paquete de baterías adecuado para su funcionamiento, aprovechando el chasis y la estructura del vehículo original. Se identificarán y modificarán los sistemas del vehículo que dependían del motor de combustión, asegurando su compatibilidad con la nueva configuración eléctrica. Se analizarán y adaptarán componentes, con el fin de lograr un funcionamiento eficiente y seguro del vehículo en su nueva modalidad de propulsión.

El presente proyecto se desarrolló en el marco de la asignatura Proyectos 2, con el objetivo principal de aplicar herramientas estadísticas al análisis de fallas en vehículos, específicamente en el modelo Jeep Grand Cherokee 2015. Esta investigación respondió a la necesidad de identificar patrones de fallos mecánicos, eléctricos y electrónicos que permitan optimizar los planes de mantenimiento, reducir los costos operativos y aumentar la fiabilidad del vehículo. La metodología aplicada consistió en la recopilación, organización y análisis de datos reales provenientes de reportes de usuarios, talleres mecánicos y bases de datos automotrices. A partir de esta información, se construyó una tabla de distribución de frecuencias, identificando los tipos de fallas más comunes y su frecuencia de aparición en una muestra de 264 unidades del modelo en estudio.

Se aborda el desarrollo de microcápsulas poliméricas a partir de pectina extraída de naranja agria mediante el método de emulsificación, con el fin de lograr una liberación controlada de atorvastatina. Se destaca la importancia de esta técnica frente a las formulaciones convencionales, las cuales presentan liberación rápida y no dirigida, provocando efectos adversos. Se emplearon métodos como la extracción asistida por ultrasonido, caracterización mediante FTIR y SEM, y técnicas de encapsulación con gelificación iónica. La liberación controlada mejora la eficacia terapéutica, reduce la frecuencia de dosificación y minimiza riesgos de sobredosis. El sistema desarrollado ofrece una alternativa viable y eficiente para tratar enfermedades cardiovasculares asociadas al colesterol alto, particularmente en poblaciones con acceso limitado a tratamientos innovadores.

Describiendo brevemente el proyecto, Campus Connect surge a partir de la problemática de la falta de una plataforma única de información en la que se puedan consultar todos los eventos que se lleven a cabo en la Universidad Modelo y dónde se encuentran ubicados dentro del campus. Dicho proyecto lleva meses en fases de desarrollo y actualmente nos encontramos con una propuesta que requiere de la elaboración de un sistema eficiente que integre toda esta información en un solo espacio accesible y actualizado.