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.

Agua Pureza es una empresa que se centra en la venta de agua como tal, Agua Pureza fue inicialmente inaugurada en 2019 bajo una dirección diferente a la actual. Sin embargo, debido a que el propietario original no pudo continuar con la gestión, en 2021 el Sr. Eduardo Reyes identificó una oportunidad de negocio y adquirió la planta purificadora a través de un traspaso. Dado que este tipo de establecimientos requiere permisos específicos para su operación, la compra se realizó garantizando la continuidad del negocio. Dentro de esto esta consulturía "PACMAM" se ayudó a implementar varias opciones de mejora para poder satisfacer al cliente y a la administración

Este proyecto consiste en brindar consultorías en base a la estructura organizacional en la microempresa servicios multifuncionales del sureste, donde se llevo un control y análisis del estado en el que la microempresa se encontraba semana tras semana con reuniones e implementación de herramientas de control, y en base a ello se crearon propuestas de implementación de mejoras para los diferentes espacios y oportunidades que detectamos la empresa podía implementar, todo de la mano de las materias de proyectos 2, procesos administrativos y comunicación efectiva

Proyecto en la que, trabajando de la mano con una empresa de nuestra elección se realizó un análisis en la estructura de la empresa e identificar en dónde podemos mejorar. La empresa es GC Servicios Integrales, dedicada al mantenimiento, restauración y ventas de tinas, spas y jacuzzis en hoteles y zonas residenciales. Se utilizaron herramientas gráficas para identificar los servicios que ofrecen, los roles del trabajo y orden en estándares de calidad. Luego de identificar los puntos débiles de la empresa, se comenzaron a dar propuestas sobre como podemos mejorar la imagen, presencia y estructura interna

Este proyecto consiste en el diseño e implementación de una estación meteorológica equipada con sensores de radiación solar, velocidad y dirección del viento, temperatura ambiental, humedad, termómetro de contacto, y precipitación. La estación registra los datos en una memoria SD. Estos datos permiten monitorear en tiempo real las condiciones climáticas, lo que facilita su análisis y aplicación en diversos ámbitos. Diseñar y construir una estación meteorológica que mida parámetros clave, almacene y transmita datos en tiempo real, para uso en instituciones educativas o comunidades, promoviendo el monitoreo climático y la educación ambiental.

Se planea diseñar y desarrollar una órtesis genu-valga para pacientes pediátricos, enfocada en corregir de manera dinámica la marcha de niños con deformidad genu-valgo (desviación de la pierna hacia fuera en relación con el muslo). Se propone innovar en el diseño del dispositivo ortopédico tradicional, "Twister ortopédico clásico", a través de la implementación de principios ergonómicos que mejoren tanto la funcionalidad como la comodidad del paciente durante su uso. Este enfoque permitirá mejorar la eficacia del tratamiento, favoreciendo el desarrollo físico del paciente sin afectar negativamente su integración social y autoestima, ya que el dispositivo será menos visible al igual que mas cómodo y ergonómico en comparación a las opciones tradicionales.

El presente proyecto tiene como objetivo el diseño e implementación de un sistema de reconocimiento facial utilizando una Raspberry Pi como unidad central de procesamiento. Este sistema está orientado al control de acceso a espacios restringidos en entornos universitarios, como laboratorios, salas de servidores, o espacios administrativos. La elección de la Raspberry Pi se fundamenta en su bajo costo, tamaño compacto, bajo consumo energético y capacidad de procesamiento suficiente para tareas de visión por computadora.

FORMULACIÓN Y DESARROLLO DE UN GEL LUBRICANTE PARA LA SIMULACIÓN DE PARTOS EN MODELOS SIMMOM, CON LA FINALIDAD DE COMBATIR EL DESABASTO EXISTENTE DE LUBRICANTES ESPECIALIZADOS PARA LLEVAR A CABO ESTE TIPO DE PRACTICAS QUE SON FUNDAMENTALES EN LA FORMACIÓN DE FUTUROS PROFESIONALES DE LA SALUD AL TENER UN ACERCAMIENTO SIMULADO A ESCENARIOS CLÍNICOS REALES MANTENIENDO EL MAYOR REALISMO POSIBLE, PARA QUE ASÍ, CON AYUDA DE INSUMOS REALISTAS QUE APOYEN A LA SIMULACIÓN CLÍNICA SE PUEDA BRINDAR MEJORES HERRAMIENTAS A LA FORMACIÓN DE PROFESIONALES DE LA SALUD.

Se diseñó y construyó un prototipo de filtro de aguas grises con aplicación en el riego de áreas verdes, utilizando un sistema multicapa con arena sílica, zeolita, gravilla y carbón activado. El desarrollo del proyecto permitió implementar mejoras en el diseño estructural, mantenimiento y eficiencia operativa, a diferencia de otros modelos. Si bien los resultados obtenidos en laboratorio reflejaron oportunidades de mejora frente a los parámetros establecidos por la NOM-003-SEMARNAT-2021, el prototipo representa un avance significativo como base experimental y funcional para futuras optimizaciones en el tratamiento de aguas grises.

El proyecto se enfoca en mejorar un prototipo desarrollado en semestres anteriores para la producción de hidrógeno mediante electrólisis, el cual ha mostrado problemas significativos de ineficacia y falta de seguridad. Estas deficiencias afectan directamente tanto el desempeño como la confiabilidad del sistema. Para abordar esta problemática, se realizó un análisis profundo del proceso de producción de hidrógeno por electrólisis, con el fin de identificar las áreas que requieren optimización y así aumentar la seguridad en la generación de hidrógeno. Además, se llevó a cabo una investigación exhaustiva sobre diferentes materiales que pueden ser empleados en el prototipo, con la finalidad de seleccionar aquellos que ofrezcan mejores propiedades para mejorar la eficiencia del proceso y garantizar condiciones más seguras durante su operación. De esta manera, el proyecto busca desarrollar un nuevo prototipo que aporte avances significativos en términos de seguridad.

En la actualidad, existen cada vez más programadores en busca de trabajo, lo cual causa una saturación en el campo laboral. Las empresas que contratan a programadores solo se fijan en los más aptos y capaces del resto, y una forma en la que hacen esto es determinando en las entrevistas. "Hello, Job!" es un videojuego simulador que busca preparar a los estudiantes de las carreras relacionadas con el desarrollo de software en sus entrevistas de trabajo y pruebas técnicas. Este incluirá preguntas reales de entrevista, opciones de diálogo y ejercicios con código que el jugador deberá resolver.