http://repositorio.ugto.mx/handle/20.500.12059/4113 Maestría, Doctorado y Especialidad Sat, 31 Oct 2026 12:35:34 GMT 2026-10-31T12:35:34Z 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. Thu, 01 Oct 2026 00:00:00 GMT http://repositorio.ugto.mx/handle/20.500.12059/14272 2026-10-01T00:00:00Z http://repositorio.ugto.mx/handle/20.500.12059/14242 Title: Correcciones de Ungravity a las pruebas clásicas de la Relatividad General Authors: Pérez Cuéllar, Gemma Elizabeth Contributor: OSCAR MIGUEL SABIDO MORENO Abstract: Se desarrollan las pruebas clásicas de Relatividad General (precesión del perihelio de Mercurio, deflexión de la luz y corrimiento al rojo gravitacional) a partir de ecuaciones de gravedad con modificaciones provenientes del sector de gravedad del modelo de Unparticles. De lo anterior, comparando los resultados con los valores observados experimentalmente para cada uno de los fenómenos anteriormente mencionados, se obtuvieron cotas para uno de los parámetros del modelo (un parámetro de longitud) y con ello se acotaron los posibles valores de la energía efectiva, en función de la masa característica del modelo. Tue, 10 May 2022 00:00:00 GMT http://repositorio.ugto.mx/handle/20.500.12059/14242 2022-05-10T00:00:00Z 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. Thu, 01 Jan 2026 00:00:00 GMT http://repositorio.ugto.mx/handle/20.500.12059/14238 2026-01-01T00:00:00Z http://repositorio.ugto.mx/handle/20.500.12059/14237 Title: Fortalecimiento de la gestión del agua mediante un modelo ecotecnológico como estrategia para la adaptación al cambio climático Authors: Sevilla Angulo, Blanca Yessica Contributor: XITLALI VIRGINIA DELGADO GALVAN Abstract: La investigación desarrollada en este documento aborda la crisis hídrica en México, con especial énfasis en el Estado de Guanajuato y su municipio de León, desde una mirada social, ambiental, tecnológica y de gobernanza. Siendo el punto de partida el reconocimiento del agua como un recurso vital, indispensable para el desarrollo sostenible y la equidad social. Sin embargo, la combinación de factores como el cambio climático, la sobreexplotación de acuíferos y la contaminación de cuerpos de agua ha generado una creciente vulnerabilidad, particularmente en comunidades rurales y periurbanas, donde las limitaciones de acceso al recurso se traducen en desigualdad y fragilidad social. Ante este escenario, el trabajo se suma al cambio de paradigma que vire hacia la Gestión Integrada de los Recursos Hídricos (GIRH), acompañada de la integración de ecotecnología como alternativa sostenible frente al modelo tecnológico convencional. Esta ecotecnología, materializada en ecotecnias, se fundamenta en el saber ancestral y en el proceso comunitario, ofreciendo soluciones adaptadas a los contextos locales. Su implementación requiere procesos de adopción social, transferencia tecnológica y diálogo de saberes que fortalezcan la apropiación comunitaria y garanticen la sostenibilidad de las prácticas. En Guanajuato, la priorización de megaproyectos y la presión ejercida sobre los acuíferos han generado altos costos ambientales y sociales. En contraste, emergen alternativas como las Soluciones basadas en la Naturaleza (SbN) y los Sistemas de Captación de Agua de Lluvia (SCALL), que contribuyen a la seguridad hídrica y a la resiliencia comunitaria. La evaluación socioeconómica realizada en cuatro comunidades rurales de León demuestra que la expansión de la red convencional de distribución de agua resulta financieramente inviable; por el contrario, los SCALLs pueden ser viables planteando senderos para la equidad y la sostenibilidad, con beneficios directos para los hogares y mostrar un alto potencial para integrarse en la política pública mediante financiamiento híbrido y gobernanza participativa. Sun, 01 Mar 2026 00:00:00 GMT http://repositorio.ugto.mx/handle/20.500.12059/14237 2026-03-01T00:00:00Z