El lunes 24 de febrero, comenzamos el CICLO DE SEMINARIOS DE LA FACULTAD DE CIENCIAS BÁSICAS de este semestre, tendremos la participación de nuestros estudiantes del progragama de Computación Científica, Jhon Wilmer Pino Román, Luis Carlos Villamizar Arenas y Leandro Uribe Clavijo quienes nos contarán sobre las actividades que realizaron durante su práctica profesional en 30 minutos cada uno:
TÍTULO #1: Desarrollo de un modelo interpretable de Deep Learning para la clasificación y detección de hallazgos cardiopulmonares en imágenes de rayos-X de tórax: Un estudio en población SURA Colombia
TÍTULO #2: Soluciones de eficiencia energética y optimización de recursos: Implementación de modelos predictivos para costos y depreciación de activos en Bancolombia
TÍTULO #3: Construyendo puentes entre datos e impacto: Desarrollo de modelos estadísticos y dashboards interactivos para la evaluación de la investigación
LUGAR: Bloque 11 auditorio 2
FECHA: LUNES 24 de febrero
HORA: 10am-12pm
Link para la conexión por Zoom: https://udemedellin.zoom.us/meeting/register/wpA8kvSARa2ChqmytF8qQg
¡LOS ESPERAMOS!
Abstract/RESUMEN #1:
Este proyecto se enfoca en el desarrollo de un modelo de Aprendizaje Profundo explicable para mejorar la clasificación y detección de hallazgos cardiopulmonares en radiografías de tórax, una herramienta diagnóstica esencial pero cuya interpretación puede ser variable. A pesar del potencial de la Inteligencia Artificial en este campo, la falta de transparencia en sus procesos limita su aplicación clínica. Este estudio, de tipo retrospectivo y transversal, utilizará imágenes de rayos X e informes radiológicos de pacientes de la población SURA en Colombia, abarcando tanto individuos sanos como aquellos con diversas afecciones cardiopulmonares. Se aplicarán técnicas de preprocesamiento y optimización para entrenar Redes Neuronales Convolucionales, buscando la clasificación y detección multietiqueta de hallazgos. Un componente clave será la implementación de estrategias de visualización e interpretabilidad, que permitan comprender el proceso de toma de decisiones del modelo. Se espera que esta herramienta robusta, capaz de identificar múltiples lesiones y afecciones, brinde un apoyo significativo a médicos especialistas y no especialistas, optimizando el diagnóstico y tratamiento de enfermedades cardiopulmonares, y avanzando hacia una medicina más precisa y centrada en el paciente.
Los estudios in silico, mediante la modelación y simulación multiescala, se han convertido en una importante herramienta de investigación en cardiología, permitiendo reproducir e interpretar datos experimentales y clínicos, obtener información adicional sobre los mecanismos que generan y sostienen las arritmias cardíacas, a escalas unicelular, de tejido y órgano; y contribuir al desarrollo y mejoramiento de tratamientos tanto farmacológicos como quirúrgicos.
Abstract/RESUMEN #2:
Abstract/RESUMEN #3:
Frente a las necesidades de la vicerrectoría de ciencia y tecnología de la Universidad de Medellín por conocer el desempeño de la universidad en investigación y tomar decisiones estratégicas a partir de métricas y visualizaciones clave desde el análisis de los datos, se llevo a cabo la propuesta y el refinamiento de un modelo estadístico que calcula índices de impacto de la investigación a nivel global, por facultad y por grupo de investigación por cada facultad. Para esto se requiere de ciertos datos, algunos en posesión de la universidad y otros en donde se debe realizar un proceso de extracción y manipulación a partir de sitios web como Scopus y el portal del ministerio de ciencia, tecnología e innovación. Ahora bien, qué hay de la recolección y visualización de estos datos? Es una tarea fundamental automatizar la recolección y visualizar resultados y métricas de interés para tomar decisiones estratégicas desde la analítica de los datos, por lo que se ha desarrollado un dashboard interactivo y se ha automatizado un proceso de web scraping para la recolección, limpieza y manipulación de estos datos para su posterior análisis.
