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.

La cuantificación celular precisa es vital para modelar la respuesta inmune ante la enfermedad de Chagas. Este estudio busca la clasificación histopatológica de macrófagos y linfocitos contrastando arquitecturas profundas y técnicas de aumento de datos. Se comparan transformaciones geométricas clásicas contra una red generativa DCGAN la cual logró una fidelidad sintética con correlación de Pearson de r = 0.9910. Las pruebas iniciales con una ResNet-18 y aumento geométrico evidenciaron las limitaciones del desbalance natural resultando en un AUC de 0.9008 y una sensibilidad de apenas 62.5% para la clase minoritaria. Para resolver esto se implementó un modelo Vision Transformer (ViT-B-16) entrenado con las imágenes balanceadas por la DCGAN. Esta sinergia entre el mecanismo de autoatención global y la estabilización generativa superó las limitaciones convolucionales alcanzando un AUC de 0.9449 sobre el tejido murino, consolidando una herramienta computacional robusta.

Este proyecto consiste en el diseño y ensamblaje de un Go-kart eléctrico como herramienta de aprendizaje para comprender las tecnologías de electromovilidad que están transformando la industria automotriz. A través de la integración de un motor eléctrico, baterías, controlador y sistemas de seguridad, se busca desarrollar conocimientos prácticos sobre propulsión eléctrica, electrónica de potencia y normas de seguridad. El resultado es un prototipo funcional que demuestre la viabilidad de estos sistemas y sirva como referencia para futuros proyectos académicos.

CuratedCoffee es una plataforma digital enfocada en la comunidad de amantes del café, diseñada para facilitar el descubrimiento y la exploración de cafeterías de especialidad. La aplicación permite a los usuarios buscar cafeterías mediante diferentes criterios, consultar información detallada sobre cada establecimiento, leer y publicar reseñas, otorgar calificaciones y organizar sus lugares favoritos mediante listas personalizadas. Además de las funcionalidades dirigidas a los consumidores, CuratedCoffee ofrece herramientas para los negocios, permitiéndoles registrar sus propias cafeterías a través de un dashboard especializado.

Este proyecto presenta el diseño estructural y modelado paramétrico en CAD de una silla de ruedas personalizada, junto con el desarrollo conceptual de un prototipo de software para una interfaz de comunicación asistida, orientados a pacientes con discapacidad motriz severa por esquizencefalia y atrofia cervical. El objetivo es optimizar el soporte postural y la ergonomía de la usuaria, reduciendo simultáneamente la carga física de los cuidadores mediante mecanismos regulables de basculación, reclinación y elevación. Debido a las capacidades motoras limitadas de la paciente, el software propone un control indirecto no convencional a través de una interfaz gráfica (GUI) operada mediante seguimiento ocular y sensores inerciales (giroscopios).

Descubre una forma más organizada y divertida de disfrutar tus animes favoritos. Esta aplicación móvil te permite registrar manualmente los animes que ves, llevar un seguimiento detallado de tu progreso episodio por episodio, asignar calificaciones personalizadas y crear tops únicos según tus gustos y criterios. Además, podrás organizar tus series en listas personalizadas, compartir tus tops con amigos, consultar tu historial de visualización y mantener un registro completo de tu experiencia como fan del anime. Todo esto desde una interfaz intuitiva, moderna y fácil de usar, diseñada para ayudarte a gestionar y recordar cada anime que forma parte de tu colección personal.

El presente proyecto consiste en el desarrollo y evaluación de un sistema de clasificación binaria de radiografías de tórax mediante la arquitectura MobileNetV2 con transferencia de aprendizaje, con el propósito de diferenciar imágenes normales de imágenes con hallazgos compatibles con neumonía. Para su implementación, se llevó a cabo un proceso de preprocesamiento de imágenes que incluyó redimensión, conversión a tres canales y normalización, seguido del entrenamiento del modelo y la evaluación de su desempeño a través de métricas como exactitud, precisión, sensibilidad, especificidad, matriz de confusión, curva ROC y AUC. Este trabajo se plantea como una aplicación académica de aprendizaje profundo y procesamiento de imágenes médicas, orientada al análisis computacional de estudios radiográficos.

WorkPal es un sitio web el cual cumple con el propósito de darle una plataforma a estudiantes de la Universidad Modelo, esto para que puedan publicar proyectos en los que estén trabajando, y así recibir un apoyo con el cual tengan la capacidad de continuarlos y que estos no caigan en el olvido. Este sitio web funcionará como una especie de red social, en esta los estudiantes podrán conectar entre sí con estudiantes de otras carreras/áreas, y así poder encontrar aquel talento y apoyo que les falta para mejorar aún más sus proyectos actuales.

El presente proyecto consiste en el desarrollo y evaluación de un sistema de clasificación binaria de radiografías de tórax mediante la arquitectura MobileNetV2 con transferencia de aprendizaje, con el propósito de diferenciar imágenes normales de imágenes con hallazgos compatibles con neumonía. Para su implementación, se llevó a cabo un proceso de preprocesamiento de imágenes que incluyó conversión a tres canales, normalización, seguido del entrenamiento del modelo y la evaluación de su desempeño a través de métricas como exactitud, precisión, sensibilidad, especificidad, matriz de confusión, curva ROC y AUC. Este trabajo se plantea como una aplicación académica de aprendizaje profundo y procesamiento de imágenes médicas, orientada al análisis computacional de estudios radiográficos.

Problema: Los túneles de viento convencionales carecen de monitoreo en tiempo real de variables físicas y ambientales críticas, lo que limita la precisión en experimentos aerodinámicos y dificulta la correlación de datos entre condiciones del entorno y comportamiento del flujo de aire. Propuesta de solución: Integrar sensores de peso, temperatura y humedad en el túnel de viento para adquirir datos simultáneos durante las pruebas, procesándolos mediante un sistema con visualización en tiempo real. Resultado esperado: Obtener mediciones precisas y correlacionadas de las variables físicas y ambientales, mejorando la calidad y reproducibilidad de los experimentos aerodinámicos realizados.

La industria aeronáutica enfrenta el desafío urgente de reducir sus emisiones de gases de efecto invernadero, siendo responsable del 2.5% de las emisiones globales de CO₂. Una de las soluciones más prometedoras es el uso de combustibles sostenibles para aviación (SAF), entre ellos aquellos derivados de biomasa como la caña de azúcar. Este proyecto se enfoca en evaluar el impacto ambiental del SAF obtenido a partir de bioetanol de caña mediante el enfoque de Análisis de Ciclo de Vida (ACV), con el objetivo de identificar los puntos críticos del proceso y proponer estrategias para mejorar su sostenibilidad. A través de la aplicación de las normas ISO 14040 y 14044, se busca implementar un ACV completo desde el cultivo de la caña de azúcar hasta la producción final de bioturbosina por la vía Alcohol-to-Jet (ATJ). Se empleará software GREET especializado para modelar procesos, realizar balances de masa y energía, y capturar datos confiable que permitan una evaluación completa.

Los hidrogeles son redes tridimensionales de polímeros capaces de retener grandes cantidades de agua, lo que les otorga biocompatibilidad, flexibilidad y propiedades mecánicas ideales para aplicaciones biomédicas. En años recientes, la integración de materiales piezoeléctricos en matrices de hidrogel ha abierto una nueva línea de investigación enfocada en estimular células nerviosas y musculares mediante señales eléctricas generadas por deformación mecánica.La presente propuesta se fundamenta en literatura experimental sobre síntesis de hidrogeles sin incluir estudios de revisión, con el objetivo de establecer un protocolo confiable para la fabricación de hidrogeles piezoeléctricos con potencial biomédico.

Desarrollo de un electrocardiógrafo digital portátil capaz de adquirir, procesar y visualizar señales electrocardiográficas para el monitoreo de la actividad eléctrica cardíaca. El sistema emplea el circuito integrado ADS1293 como front-end analógico para la captura de biopotenciales y un microcontrolador para la configuración, adquisición y procesamiento de datos. La señal obtenida es amplificada, digitalizada y mostrada en una interfaz visual para su análisis en tiempo real. El dispositivo está diseñado para registrar derivaciones electrocardiográficas basadas en el triángulo de Einthoven, permitiendo la observación de la actividad cardíaca de manera segura y eficiente. Además, el proyecto considera aspectos de seguridad eléctrica, compatibilidad electromagnética y normatividad aplicable a dispositivos médicos, con el objetivo de desarrollar una solución funcional, portátil y de bajo costo para aplicaciones educativas y de monitoreo.

Desarrollo de un simulador de baja fidelidad del cuello uterino diseñado para el entrenamiento clínico orientado a la detección del cáncer cérvico-uterino. El proceso incluyó la digitalización anatómica mediante imágenes médicas, el modelado tridimensional en Autodesk Fusion, para su posterior fabricación física mediante impresión 3D en PLA, implementando recubrimientos de silicona para reproducir características táctiles realistas. Este desarrollo busca brindar una nueva herramienta para la adquisición de habilidades en la exploración ginecológica en estudiantes y personal en formación, permitiendo prácticas seguras y repetibles.

El análisis morfológico de leucocitos es una herramienta para el diagnóstico de enfermedades hematológicas como leucemias, infecciones y trastornos autoinmunes. Sin embargo, la segmentación manual de estas células en imágenes de frotis sanguíneo es un proceso lento, subjetivo y dependiente de la experiencia del especialista. Los avances en deep learning han permitido automatizar esta tarea mediante redes neuronales convolucionales. En este trabajo se comparan dos arquitecturas utilizadas para segmentación biomédica: U-Net++ y Attention U-Net, con el objetivo de determinar cuál ofrece un mejor desempeño en la segmentación automática de leucocitos.

Descripción del problema Banquetes Camino Premium presenta dificultades en la coordinación de recursos, materiales, tiempos y procesos durante la preparación previa a los eventos, generando retrasos, desperdicios, costos adicionales e ineficiencias operativas. Propuesta de solución Realizar un diagnóstico de los procesos internos para identificar áreas de oportunidad y desarrollar propuestas de mejora enfocadas en la planeación logística, gestión de recursos, coordinación del personal y seguridad laboral. Resultado esperado Presentar recomendaciones que contribuyan a mejorar la organización operativa, reducir ineficiencias, fortalecer las condiciones laborales y apoyar una gestión más eficiente de los recursos de la empresa.

Se propone desarrollar un prototipo de órtesis neumática para miembros superiores destinada a personas con espasticidad, una condición asociada a daños neurológicos que provoca rigidez muscular y movimientos involuntarios, limitando la movilidad y la realización de actividades diarias. La órtesis utilizará mangueras de aire inflables para brindar soporte, estabilización y compresión ajustable, además de incorporar sensores para monitorear el progreso del usuario durante la rehabilitación. El diseño busca ser cómodo, fácil de usar y adaptable a las necesidades de cada paciente. Se espera que este dispositivo mejore la calidad de la rehabilitación, facilite la movilidad pasiva, proporcione datos cuantificables para el seguimiento terapéutico y contribuya a reducir el dolor y aumentar la independencia funcional del usuario.

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.

Desarrollo de un sistema automatizado de traducción de voz a Braille, implementado mediante la reutilización de los mecanismos mecánicos y ópticos de una impresora de inyección de tinta convencional. El sistema integra reconocimiento automático de voz, traducción a código Braille, generación de coordenadas de posicionamiento y un sistema de control de movimiento en lazo cerrado basado en encoders ópticos originales de la impresora. El hardware de control consiste en un microcontrolador Arduino Uno, un puente H L298N, los motores DC originales del equipo y una fuente de alimentación de 15 V. El control de posición implementa un algoritmo proporcional-derivativo PD que incorpora estrategias de posicionamiento FAST/FINE, compensación de backlash, zona muerta y limitador de velocidad, con el objetivo de reducir oscilaciones y mejorar la repetibilidad del posicionamiento.

El proyecto consiste en el diseño y fabricación de una máquina desfibradora de lengua de vaca desarrollada a solicitud de la Reserva Cuxtal, con el objetivo de facilitar el proceso artesanal de extracción de fibra vegetal. La máquina busca reducir el esfuerzo físico y el tiempo de trabajo requerido por las artesanas, principalmente mujeres, mediante un sistema mecánico adaptado a sus necesidades ergonómicas y de seguridad. Durante su desarrollo se fabricaron e integraron diversos componentes mecánicos y estructurales, incluyendo el sistema de desfibrado, la mesa de soporte, la cubierta de seguridad y la tolva de residuos. Actualmente el proyecto se encuentra en su etapa final de integración, realizando pruebas de funcionamiento y ajustes para garantizar una operación eficiente, segura y confiable.

La patología digital se ha visto revolucionada recientemente por los avances en inteligencia artificial, aprendizaje profundo y computación de alto rendimiento. Gracias a sus herramientas avanzadas, la patología digital puede mejorar y agilizar el proceso de diagnóstico, reducir los errores humanos y optimizar la elaboración de informes. Presentamos un modelo multimodal para la detección de anemia un marco de aprendizaje profundo de dos etapas para la segmentación y clasificación de imágenes de glóbulos rojos (GR).

Se desarrollaron tres arquitecturas de redes neuronales para la detección y segmentación automática de gliomas en imágenes de resonancia magnética cerebral: una implementación estándar de UNet entrenada desde cero, el frame-work nnU-Net v2, el cual se autoconfigura según las características del dataset, y una Attention U-net con encoder EfficientNetB4 para mejorar el rendimiento de la segmentación. Los modelos se entrenaron con el dataset BRISC2025 utilizando únicamente las imágenes T1 en plano axial de la clase gliomas. La comparación de resultados se realizó con Dice Score, Intersection over Union (IoU) y Distancia de Hausdorff (HD95). Las 3 redes presentaron un patrón similar de sobreajuste, indicando que el factor limitante fue nuestro volumen de imágenes de entrenamiento.

Ante el incremento del cáncer de piel y la subjetividad del diagnóstico visual clásico, este proyecto presenta un modelo de Deep Learning para la segmentación automatizada de lesiones cutáneas. Utilizando la arquitectura Attention U-Net e integrando la función de pérdida Monte Carlo Uncertainty-Aware Focal Loss (MC-UAFL), el sistema optimiza la delimitación de tumores. La innovación radica en que estima la incertidumbre espacial mediante Monte Carlo Dropout y aplica una penalización dinámica (Focal Loss), mitigando errores en bordes difusos. Se validó con el dataset ISIC 2018, demostrando una alta precisión diagnóstica.

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.