Tesis y Trabajos de Posgrado http://repositorio.ugto.mx/handle/20.500.12059/4130 2026-11-14T10:49:48Z 2026-11-14T10:49:48Z Tshibengabu Kalonji, Simon http://repositorio.ugto.mx/handle/20.500.12059/14272 2026-10-28T15:46:35Z 2026-10-01T00:00:00Z

Title: A deep learning framework for automatic cephalometric landmark localization through gaussian heatmap regression Authors: Tshibengabu Kalonji, Simon Contributor: JUAN GABRIEL AVIÑA CERVANTES Abstract: Accurate cephalometric landmark localization is essential for orthodontic diagnosis, craniofacial assessment, and treatment planning. Yet reliable deep-learning performance on limited annotated datasets depends not only on network architecture but also on landmark representation, coordinate decoding, physical error computation, and validation design. This thesis develops a reproducible framework for the automatic localization of 19 anatomical landmarks in lateral cephalometric radiographs. The framework integrates a lightweight two-level U-Net with Gaussian heatmap regression, differentiable Soft-Argmax coordinate extraction, and image-specific anisotropic pixel-to-millimeter conversion. Evaluation used the PKU Cephalometric Dataset of 102 radiographs. The Holdout 70/30 protocol was defined as the primary evaluation, with 72 radiographs for model development and 30 fully isolated radiographs for final testing; a K-Fold 70/30 heatmap ensemble on the same 30-image external cohort and a Nested Leave-One-Out Cross-Validation (Nested LOOCV) procedure, providing one strictly out-of-sample prediction per radiograph, served as complementary validation. Under the primary protocol, the framework achieved a Mean Radial Error (MRE) of 2.1663 mm, with Successful Detection Rates of 80.35%, 87.37%, 91.40%, and 95.79% at thresholds of 2.0, 2.5, 3.0, and 4.0 mm, respectively. The K-Fold ensemble and Nested LOOCV yielded MREs of 2.2423 mm and 2.2541 mm (95% CI [1.2232, 3.2850]; median landmark error 1.1148 mm). Paired statistical analyzes on the 30 common radiographs revealed no statistically significant differences between protocols, supporting robust performance. The main contribution is methodological rather than architectural: established components are integrated into a coherent pipeline combining spatial prediction, continuous coordinate estimation, physically consistent error measurement, strict external evaluation, and matched statistical analysis. These results establish validation design as an integral component of deep-learning-based cephalometric localization on small annotated medical-imaging datasets.

2026-10-01T00:00:00Z Pantoja Molina, José Javier http://repositorio.ugto.mx/handle/20.500.12059/14238 2026-10-14T20:56:15Z 2026-01-01T00:00:00Z

Title: Detección de grietas en palas de aerogeneradores usando señales de vibración Authors: Pantoja Molina, José Javier Contributor: DAVID CAMARENA MARTINEZ Abstract: Los sistemas de monitoreo de condición en aerogeneradores enfrentan desafíos significativos al diagnosticar anomalías estructurales en las palas debido a la variabilidad operativa, particularmente por el “efecto enmascarador” provocado por las fluctuaciones en la velocidad del viento. Esta investigación propone una metodología robusta que combina la extracción de características estadísticas y fractales, el Análisis de Componentes Principales (PCA) para la reducción de dimensionalidad, y una novedosa arquitectura de Red Neuronal de Doble Cabeza orientada a multitarea. El paradigma de doble cabeza resuelve simultáneamente el contexto operativo de la velocidad del viento en la primera rama e inyecta esta información en la segunda rama para aislar la severidad del daño estructural. Evaluado exhaustivamente sobre un conjunto de datos maestro y validado rigurosamente en 8 grupos de prueba independientes y disjuntos que suman 16, 000 muestras ciegas, el modelo propuesto alcanza una precisión de clasificación global excepcional del 99.92 % para la condición estructural y del 100.00 % para la velocidad operativa. Asimismo, con una huella de modelo compacta de tan solo 56.53 KB y un tiempo de inferencia inferior a 1.2 milisegundos por muestra, la arquitectura demuestra una viabilidad óptima para su despliegue en tiempo real mediante Edge Computing en entornos industriales eólicos.

2026-01-01T00:00:00Z Tapia Flores, Joel http://repositorio.ugto.mx/handle/20.500.12059/14197 2026-08-24T19:58:48Z 2026-01-01T00:00:00Z

Title: Predicción de la ruta de aprendizaje de programación para niños de primaria usando interacciones con la interfaz de usuario Authors: Tapia Flores, Joel Contributor: MARIA SUSANA AVILA GARCIA Abstract: La enseñanza de la programación juega un papel importante en nuestros días, por eso muchas escuelas y organizaciones han buscado la mejor forma para su enseñanza. Una de estas formas son las rutas de aprendizaje, las cuales son secuencias de actividades o ejercicios generados especialmente para las habilidades que tiene el estudiante y de las cuales busca mejorar o adquirir nuevas. Esta forma de enseñanza busca abordar los principios básicos de la programación, y también, el desarrollo de habilidades de pensamiento computacional, el cual ayuda al aprendizaje de la programación y a mejorar la toma de decisiones en su día a día. Por este motivo la presente investigación está orientada a la predicción de las rutas de aprendizaje de programación para niños de primaria. Por lo anterior se realizó como primera fase una investigación del estado del arte, esto, con el objetivo de ver las investigaciones que se han hecho respecto al tema. Como resultado de esta fase encontramos las principales plataformas que se utilizan para la enseñanza de la programación para niños, las cuales son: Blockly games, Scratch y Code.org. También se encontraron investigaciones que predicen el resultado del siguiente ejercicio a resolver en la plataforma code.org. Investigaciones que definen rutas de aprendizaje usando aprendizaje no supervisado con métodos como vecinos más cercanos en la plataforma Scratch y una investigación que responde si las niñas o niños aprenden más rápido los conceptos de la programación y a qué edad usando la plataforma Blockly games; estas investigaciones se explican de mejor manera en la sección del estado del arte. Como siguiente fase se modificó uno de los juegos ya existentes la cual fue desarrollada con la biblioteca Blockly. Blockly define una biblioteca de instrucciones visuales, blockly games es una colección de juegos que se desarrollaron como ejemplo y del cuál se tomó el juego del laberinto el cual fue modificado, esto ayudó a que la herramienta estuviera enfocada en la gamificación, se crearon ejercicios de tipo laberinto donde los usuarios deberían de llegar de un punto inicial, a un punto final con el mínimo de bloques posibles y los menores intentos. Se implementó la captura de datos como: el número de intentos que realizó el usuario por ejercicio, el tiempo que tardó en ejecutar una solución entre otras, también permite la captura de interacciones de los usuarios, como, por ejemplo: cuantos movimientos hizo en un bloque, cuantos bloques creó, cuantos eliminó, entre otras. Se realizaron sesiones experimentales en la que se recolectaron datos sobre las sesiones 4 de trabajo de 26 niños de entre 8 y 10 años y se generó un conjunto de datos el cual fue analizado con distintos métodos como la regresión logística, pero no estaba encaminado al objetivo de la investigación, hasta que, finalmente se optó por utilizar la lógica difusa. Su elección se debió a que este paradigma permite moldear el razonamiento humano por medio de la incertidumbre y la vaguedad que modela, además de contar con grados de pertenencia los cuales permiten que un valor sea analizado y clasificado a un resultado difuso. Por lo anterior, el método de la lógica difusa fue el método elegido para su análisis. Como resultado de este análisis, se realizó la predicción del siguiente ejercicio que deberá realizar el usuario de acuerdo con los datos recabados del ejercicio anterior, esto permitió generar rutas de aprendizaje personalizadas para cada uno de los usuarios de acuerdo con las habilidades que va desarrollando en cada uno de los ejercicios.

2026-01-01T00:00:00Z López Ramírez, José Luis http://repositorio.ugto.mx/handle/20.500.12059/14192 2026-08-19T17:53:57Z 2026-01-01T00:00:00Z

Title: Aplicación de modelos basados en el comportamiento del Sistema Visual Humano y DCNN al procesamiento de imágenes médicas Authors: López Ramírez, José Luis Contributor: JOSE RUIZ PINALES Abstract: Este trabajo introduce los algoritmos de aprendizaje automático aplicados al análisis de imágenes médicas, centrándose en el uso de modelos biológicamente inspirados en la percepción del sistema visual humano y en las Redes Neuronales Convolucionales Profundas (Deep Convolutional Neural Networks, DCNN). Se enfatizan y se abordan soluciones para tres problemas fundamentales en medicina. La primera es la segmentación de imágenes de fundus, donde se identifican y segmentan las venas presentes en el ojo humano. El segundo es la segmentación de tumores cerebrales a partir de imágenes obtenidas mediante ultrasonidos preoperatorios. Por último, se aborda la identificación automática de puntos cefalométricos en imágenes de radiografías, las cuales son comúnmente utilizadas en el diagnóstico maxilofacial por odontólogos expertos en el área. La investigación en aprendizaje automático distingue entre la localización y la detección. Mientras que la segmentación traza contornos alrededor de los bordes de los objetos de interés y los etiqueta, el registro se refiere a ajustar una imagen sobre otra. Estas tareas tradicionalmente han sido realizadas por médicos especialistas en diversas áreas médicas. La llegada de algoritmos computacionales facilita la interpretación médica y reduce el tiempo necesario para diagnosticar diferentes enfermedades.

2026-01-01T00:00:00Z