http://repositorio.ugto.mx/handle/20.500.12059/4214 2026-11-14T10:58:26Z 2026-11-14T10:58:26Z 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 Paredes Miguel, José Rodrígo http://repositorio.ugto.mx/handle/20.500.12059/14173 2026-07-27T18:14:20Z 2024-10-01T00:00:00Z

Title: Estimación de los óxidos producidos por la irradiación de un láser pulsado en placas delgadas de molibdeno usando aprendizaje profundo Authors: Paredes Miguel, José Rodrígo Contributor: Horacio Rostro González Abstract: Este trabajo se enfoca en la aplicación de técnicas avanzadas de aprendizaje profundo, particularmente redes neuronales convolucionales, para abordar problemas de segmentación de imágenes y Redes neuronales profundas, para la predicción de diámetros de óxidos generados por la irradiación de láser ultracorto sobre placas de molibdeno. La implementación de estas técnicas permite no solo identificar y segmentar con precisión los diferentes tipos de óxidos presentes en las imágenes, sino también predecir de manera precisa los diámetros de los spots de óxido formados bajo distintas configuraciones de parámetros, como el tiempo de exposición y la fluencia del láser. El uso de redes convolucionales se ha destacado en la capacidad de procesar grandes cantidades de datos visuales y extraer patrones complejos, lo que resulta particularmente útil en este caso, donde las variaciones microscópicas en los materiales son cruciales para su análisis. A través de la segmentación, es posible identificar áreas específicas de los diferentes óxidos, lo que contribuye a una mejor comprensión de los efectos que el láser provoca sobre el material. Además, esta investigación abre la puerta a la integración de la inteligencia artificial en el ámbito de la ciencia de los materiales, permitiendo la automatización y mejora en la caracterización de los mismos. Los resultados obtenidos no solo aportan valor en términos de segmentación precisa, sino que también demuestran cómo la IA puede ser una herramienta poderosa para predecir propiedades físicas clave, como el diámetro de los óxidos. Este enfoque puede ser expandido en futuros estudios para abarcar otros aspectos del comportamiento de materiales bajo condiciones extremas, contribuyendo al desarrollo de tecnologías avanzadas en esta área.

2024-10-01T00:00:00Z Rodríguez Cuevas, Paulo César http://repositorio.ugto.mx/handle/20.500.12059/14163 2026-06-15T17:32:46Z 2025-04-01T00:00:00Z

Title: Desarrollo de un dispositivo generativo de caracteres para el sistema Braille Authors: Rodríguez Cuevas, Paulo César Contributor: MARIO ALBERTO IBARRA MANZANO Abstract: Este proyecto de investigación presenta el diseño, desarrollo e implementación de un dispositivo transductor de texto digital al sistema Braille, orientado a mejorar la accesibilidad tecnológica para personas con discapacidad visual. La investigación aborda el reto de crear una interfaz táctil eficiente y de bajo costo mediante el uso de tecnologías de vanguardia en mecatrónica y sistemas embebidos. El prototipo funcional integra una unidad de procesamiento Raspberry Pi Zero 2W y un sistema de control de potencia basado en controladores DRV8833 y multiplexores 74HC4067. El mecanismo de generación de relieve emplea micro-motores N20, optimizando el espacio y la respuesta mecánica del dispositivo. El desarrollo abarca desde el modelado y la fabricación de componentes mediante manufactura aditiva (impresión 3D) hasta la programación del firmware en lenguaje Python.

2025-04-01T00:00:00Z