|
Responsable |
Nombre del proyecto |
Resumen |
Área de conocimiento |
|
Dr. Celso Hernández Tenorio Profesor Investigador |
Síntesis de una membrana Quitosano/Polipirrol/ Politetrafluoroetileno (Q/PPy/PTFT) para la aplicación a celdas de combustible tipo PEM. |
El proyecto consiste en obtención de una membrana de intercambio protónico de Q/PPy/PTFT, para aplicación a una celda de combustible de intercambio protónico (PEM), la membrana de Q/PTFT se obtendrá en medio ácido, posteriormente se dopará con Py a la membrana por medio plasma de descarga luminiscente. Las membranas de Q/PPy/PTFT son membranas no fluoradas por lo que se realizará una activación por los grupos funcionales SO3. Posteriormente se realizará la caracterización de la membrana de Q/PPy/PTFT para conocer sus características fisicoquímicas, protónicas, morfológicas, químicas y térmicas. |
Ingeniería de Materiales |
|
Dr. Federico DEL RAZO LÓPEZ Instituto Tecnológico de Toluca Correo: [email protected] www.federicodelrazo.com |
Detección de violencia física en video a través de estrategias de aprendizaje continuo usando redes neuronales artificiales profundas" |
Actualmente el uso de cámaras de vídeo como parte de los sistemas de vigilancia se ha incrementado considerablemente, trayendo consigo beneficios para la sociedad, pero también retos tecnológicos importantes. Uno de sus objetivos es la detección rápida de acciones violentas, tarea que suele realizarse mediante inspección visual por seres humanos, sin embargo, esta tarea puede ser muy laboriosa por la cantidad abrumadora de videos que se generan en tiempo real en un momento dato. Razón por la cual se han desarrollado diferentes modelos de machine learning para su automatización. No obstante, cuando se trata de detección de violencia en video, uno de los problemas que enfrenta es la variedad de escenarios violentos que pueden existir, lo que ha llevado a que diferentes modelos sean entrenados con conjuntos de datos que los lleven a detectar violencia en solo uno o unos pocos tipos de escenarios. En este proyecto se busca desarrollar modelos de redes neuronales artificiales profundas, basados en el aprendizaje continuo, para detectar violencia en diferentes escenarios, entrenándolos con un conjunto de datos inicial (o pocos escenarios), y posteriormente agregar nuevos escenarios mientras el modelo está en funcionamiento. |
TICS |
|
Dra. Eréndira Rendón Lara Instituto tecnológico de Toluca. Correo electrónico: [email protected] |
Análisis inteligente de Imágenes Médicas |
En el ambiente del sector salud se genera una gran cantidad de imágenes médicas de diferentes tipos, que si se analizan adecuadamente podrían aportar información adicional para el diagnóstico y tratamiento de los pacientes. La Inteligencia Artificial juega un papel importante en la automatización del análisis de imágenes médicas, ahorrando tiempo y recursos. Actualmente se han utilizamos algoritmos de Deep Learning como redes convolucionales y Transformers, los cuales han demostrado su altísimo potencial para extraer las características más importantes de las imágenes e interpretarlas. Sin embargo, además de estos enfoques se requiere del procesamiento de imágenes médicas, el cual Incluye la limpieza del ruido de fondo, ajuste de brillo y contraste, homogenización del tamaño y normalización de las intensidades de píxel. Además de la interpretación de ellas, que es una tarea más compleja como: la clasificación de imágenes, su segmentación o la detección de objetos en las mismas y selección de atributos relevantes en la imagen. De esta manera este proyecto de Investigación se pueden generar los siguientes temas de tesis doctorales: Evolución de Covid-19 a partir de imágenes de radiografías Segmentación de regiones de interés en imágenes médicas. Localización de regiones anómalas en imágenes del cerebro. |
TICS |
|
Dra. Eréndira Rendón Lara Instituto tecnológico de Toluca. Correo electrónico: [email protected] |
Análisis de datos en el sector salud: Diseño de nuevos algoritmos para el tratamiento de datos médicos categóricos y/o mezclados. |
En el sector salud existen numerosas fuentes de datos heterogéneas que vierten gran cantidad de información relacionada con pacientes, enfermedades y hospitales o centros de salud: datos clínicos, datos analíticos, microbiología, antecedentes personales, genómica, etc. Tanto la información recogida por los profesionales de la salud y los dispositivos médicos como los datos ingentes y complejos derivados de estudios genómicos pueden ser analizados y útiles para mejorar la atención de salud y ofrecer una medicina más personalizada. Esta gran cantidad de datos provenientes de hospitales del sector, es prácticamente imposible analizarla por los expertos en salud, es aquí donde haciendo uso de técnicas de Machine Learning y /o Inteligencia Artificial, es posible realizar un análisis de estos datos para obtener conocimiento nuevo para obtener tendencias, patrones, características importantes de las enfermedades entre otros. |
TICS |
|
Dr. Jorge Sánchez Jaime |
Análisis de vulnerabilidad topológica de la red potencia mexicana ante fallas aleatorias y ataques intencionales a través de modelos descriptivos y predictivos de Inteligencia Artificial |
En este proyecto se investigarán las propiedades topológicas de la red de transmisión eléctrica mexicana para demostrar que el análisis de vulnerabilidad topológica puede desempeñar un papel importante al proporcionar información complementaria necesaria para las decisiones relativas al diseño de sistemas eléctricos. Para ello, su usarán técnicas de Inteligencia Artificial como el aprendizaje automático o machine learning (en particular modelos descriptivos como el clustering y predictivos como las redes neuronales artificiales) para estudiar redes eléctricas de 400kV y 230kV, las cuales se analizarán de forma independiente y como una única red combinada. Se aplicará la teoría de redes complejas, algunas métricas topológicas, y modelos descriptivos y predictivos para determinar de la vulnerabilidad de la red eléctrica a fallas aleatorias y ataques intencionales. En términos generales, este proyecto incrementará el conocimiento actual de la red eléctrica mexicana y ayudará a tomar decisiones para diseñar un sistema eléctrico menos vulnerable. |
Energía |
| Dra. Itzel María Abundez Barrera |
Generación de señales sintéticas con redes generativas para movimiento de un entrenados mioelectrico. |
La generación de señales EMG (electromiográficas) sintéticas para controlar prótesis mioeléctricas es un área activa de investigación, especialmente en contextos donde los datos reales de amputados son escasos, ruidosos o difíciles de obtener. | TICS |
