https://ri-ng.uaq.mx/handle/123456789/8140 2026-08-24T04:31:52Z 2026-08-24T04:31:52Z Miguel Trujillo Lopez https://ri-ng.uaq.mx/handle/123456789/13155 2026-08-07T06:09:43Z 2026-08-04T00:00:00Z

Identificación de concentraciones de agua en caminos usando técnicas de inteligencia artificial Miguel Trujillo Lopez La presencia de concentraciones de agua en caminos o carreteras puede ser una situación riesgosa para los automóviles y conductores de vehículos terrestres, estos pueden ocultar de la vista del conductor ciertos obstáculos o anomalías los cuales pueden causar accidentes. Tan solo en México el número de accidentes de tráfico aumenta considerablemente en temporada de lluvias. El desarrollo de tecnologías que permitan la detección de este tipo de fenómeno puede ayudar a la asistencia en la conducción, se han desarrollado soluciones bajo diversas metodologías como el uso de sensores o equipo óptico. Esta propuesta de trabajo tiene como objetivo la detección de acumulaciones de agua (charcos) en superficies implementando técnicas de inteligencia artificial en imágenes.

2026-08-04T00:00:00Z Jonatan Valencia González https://ri-ng.uaq.mx/handle/123456789/13133 2026-07-28T06:09:43Z 2026-07-21T00:00:00Z

Generación de dibujo paramétrico CAD, a partir de mallas de polígonos Jonatan Valencia González Los archivos 3D de diseño mecánico son ampliamente usados, la mayoría de sus características se definen en el dibujo paramétrico o sketch. Este trabajo propone un método para reconstruir el sketch a partir de imágenes de contornos que pueden ser generadas a partir de archivos de mallas de polígonos. Se genera una base de datos sintéticos, de imágenes de contornos, compuestos únicamente por líneas rectas, con entre 3 y 6 líneas. Se usan redes convolucionales para procesar las imágenes y predecir las coordenadas de los vértices de las líneas. Posteriormente con estas coordenadas se genera un script que es la representación en código del sketch, usando la librería de FreeCAD en Python. Finalmente el script es ejecutado en el software FreeCAD para generar el sketch en la interfaz gráfica de FreeCAD, lo que permite la completa edición y manipulación del sketch.

2026-07-21T00:00:00Z Oliverio Castillo Rocha https://ri-ng.uaq.mx/handle/123456789/13093 2026-07-03T06:09:26Z 2026-06-30T00:00:00Z

Clasificación automática de Degeneración Macular Asociada a la Edad en imágenes Tomografías de Coherencia Óptica mediante Aprendizaje Profundo Oliverio Castillo Rocha La degeneración macular asociada a la edad (DMAE) es una de las principales causas de perdida visual irreversible en adultos mayores, y su diagnóstico oportuno mediante tomografía de coherencia óptica (OCT) puede verse limitado por el tiempo requerido para el análisis manual y la variabilidad entre especialistas. En este contexto, el presente trabajo tiene como objetivo evaluar el desempeño de modelos de aprendizaje profundo para la clasificación automática de imágenes OCT en tres categorías: NORMAL, DRUSEN y CNV. Se propone una arquitectura híbrida basada en CSWinTransformer como backbone, sobre la cual se integran dos estrategias multiescala: Feature Pyramid Network (FPN) y Atrous Spatial Pyramid Pooling (ASPP), con el fin de determinar cuál ofrece una mejor representación de los patrones retinianos asociados a la DMAE. La metodología incluye un pipeline de preprocesamiento espec´ıfico para imágenes OCT, compuesto por padding reflectivo, recorte guiado por región de interés, redimensionamiento con conservación de proporción y normalización z-score en la región valida, así como la aplicación de aumentos de datos únicamente durante el entrenamiento. Los experimentos se realizaron utilizando el conjunto público Labeled Retinal OCT Dataset, separando previamente un conjunto de prueba externo a nivel de paciente y aplicando validación cruzada estratificada y agrupada de 5 folds sobre el conjunto restante, con el objetivo de evitar fuga de información y obtener una evaluación robusta. El desempeño se midió mediante exactitud, precisión, recall, Macro-F1, Weighted-F1 y curvas ROC One-vs-Rest con sus respectivos valores de AUC. Los resultados muestran que la configuración CSWin-Transformer + ASPP en su entrenamiento base alcanza el mejor desempeño global, con una exactitud de 0.9440 ± 0.0073, un Macro-F1 de 0.9433 ± 0.0069 y un Macro-AUC de 0.9799 ± 0.0014. Asimismo, se observa que el fine-tuning aporta mejoras limitadas en esta variante, mientras que en FPN sí genera incrementos más notorios sin superar a ASPP. En conclusión, la integración de un Transformer jerárquico con ASPP representa una alternativa eficaz y robusta para la clasificación automática de imágenes OCT en el contexto de la DMAE.

2026-06-30T00:00:00Z Karla Lizeth Villafuerte Ruiz https://ri-ng.uaq.mx/handle/123456789/12903 2026-05-07T06:09:59Z 2026-05-05T00:00:00Z

Reducción del ruido en el proceso de desdoblamiento de fase espacial mediante redes neuronales Karla Lizeth Villafuerte Ruiz En esta tesis se presenta una evaluación integral del desdoblamiento de fase espacial mediante la comparación entre métodos tradicionales y modelos basados en aprendizaje profundo. Se trabajó con datos sintéticos y reales obtenidos a través de la perfilometría por proyección de franjas (FPP), con el objetivo de reducir el ruido presente en los mapas de fase y disminuir el error en la reconstrucción tridimensional. Los métodos tradicionales, aunque ampliamente utilizados, mostraron limitaciones significativas en escenarios con discontinuidades, ruido estructurado y variaciones de iluminación, produciendo artefactos y pérdidas de información. En contraste, las arquitecturas basadas en redes neuronales convolucionales (CNN), particularmente U-Net y sus variantes, demostraron un desempeño superior tanto cuantitativa como cualitativamente. Los modelos alcanzaron mejoras notables en métricas como PSNR, SSIM e IMMSE, además de generar reconstrucciones visualmente más coherentes y robustas ante condiciones experimentales no ideales. Los resultados obtenidos confirman que el uso de aprendizaje profundo mejora de manera sustancial la calidad del desdoblamiento de fase espacial y representa una alternativa efectiva frente a los métodos clásicos. Finalmente, se identificaron limitaciones relacionadas con la disponibilidad de datos reales, la brecha entre entornos sintéticos y experimentales y los requerimientos computacionales, proponiendo líneas de trabajo futuro orientadas a ampliar los datos.

2026-05-05T00:00:00Z