http://repositorio.ugto.mx/handle/20.500.12059/4121 2026-10-31T13:32:50Z http://repositorio.ugto.mx/handle/20.500.12059/14272 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 http://repositorio.ugto.mx/handle/20.500.12059/14238 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 http://repositorio.ugto.mx/handle/20.500.12059/14210 Title: Detección de Listeria Spp. en queso fresco a través de un método isotérmico basado en las regiones V1-V2 del 16S ARNr Authors: Martínez González, Katia Ivonne Contributor: JOSE ELEAZAR BARBOZA CORONA Abstract: La listeriosis es una enfermedad transmitida por alimentos causada por Listeria monocytogenes, cuya presencia representa un riesgo importante para la salud pública en México, especialmente por su elevada incidencia en productos lácteos frescos. Esto resalta la importancia de implementar métodos de detección rápidos, sensibles y confiables para prevenir brotes y garantizar la inocuidad alimentaria. El objetivo de este trabajo fue detectar Listeria spp. en queso fresco mediante amplificación isotérmica mediada por bucle (LAMP), utilizando la región V1-V2 del gen 16S ARNr como marcador y comparar el método con técnicas convencionales. Se evaluaron cinco métodos de extracción de ácidos nucleicos y se optimizaron las condiciones de reacción para LAMP considerando variables como concentración bacteriana (1x101 a 1x109 UFC/ml), pureza del ADN, tiempos de incubación y costos. El protocolo establecido cuya detección se basó en el cambio colorimétrico y la cuantificación espectrofotométrica (ΔAbs = 434 – 560 nm), se comparó con PCR convencional y el método microbiológico establecido en la NOM-143-SSA1-1995. Los resultados obtenidos durante la estandarización de la técnica de LAMP demostraron que el método de ebullición fue el más eficiente, compatible y reproducible, permitiendo la detección de L. monocytogenes hasta 1x101 UFC/ml y L. innocua hasta 1x103 UFC/ml; además, alcanzó una sensibilidad de hasta 100 fg de ADN, superando entre 10 y 1000 veces a la PCR convencional, con tiempos de detección menores a 60 minutos. La evaluación del protocolo en un contexto real se probó en 30 muestras comerciales donde se evaluaron valores de pH cercanos a la neutralidad y alteraciones organolépticas asociadas a contaminación por deficiencias en el procesamiento. Las muestras positivas fueron aisladas e identificadas taxonómicamente mediante la secuenciación del gen 16S ARNr y el análisis filogenético, lo que confirmó la identidad de L. monocytogenes con alta similitud (>98%). El protocolo propuesto puede considerarse una herramienta de diagnóstico integral, rápida, sensible y de bajo costo, como alternativa para la detección de Listeria spp. en la industria alimentaria. 2026-08-24T00:00:00Z http://repositorio.ugto.mx/handle/20.500.12059/14197 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