Repository logo

Browsing by Author "Ariana Alejandra Andrews Interiano"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Hospital Nacional Dr. Mario Catarino Rivas
    (Universidad Tecnológica Centroamericana UNITEC, 2026-04-06) Ariana Alejandra Andrews Interiano; Reyna Valle
    Durante el período académico Q4 del 2023 (diez semanas), se desarrolló la Práctica Profesional como ingeniera biomédica en la Unidad de Equipos Médicos del hospital público de la zona norte del país, siendo este el Hospital Nacional Dr. Mario Catarino Rivas, ubicado en la ciudad de San Pedro Sula, Honduras. Durante esta práctica, se desarrollaron diferentes actividades pertinentes a la unidad, como la gestión y el servicio técnico; se utilizaron las herramientas necesarias, tales como analizadores, destornilladores, llaves Allen, alcohol y otros materiales y, además, se aplicaron conocimientos previos adquiridos durante la formación académica. Las tareas de gestión fueron enfocadas en la realización de fichas con especificaciones técnicas de equipos o repuestos para efectuar la compra de los mismos, así como el diagnóstico de los equipos médicos que no tienen reparación, para proceder a su descarte u orden de trabajo para su funcionamiento dentro de la sala, y el levantamiento de inventario de cuatro salas del hospital. Por otro lado, el servicio técnico constó en la realización de mantenimientos correctivos a los equipos médicos, así como capacitaciones al personal para que utilizaran el equipo de manera correcta.
  • Thumbnail Image
    Item
    Predicción de deformidades de la columna vertebral en imágenes de neurorradiología aplicando aprendizaje por transferencia profunda
    (Universidad Tecnológica Centroamericana UNITEC, 2026-04-03) Ariana Alejandra Andrews Interiano; Manuel Alejandro Martínez Palma; Karla Reyes
    La columna vertebral es la estructura que brinda soporte, protección y ayuda a la movilización del ser humano. Existen deformaciones de la columna vertebral como la escoliosis y la espondilolistesis que llegan a causar malestares en el paciente. Es por ello, que la detección temprana de estas deformidades por medio de imágenes radiológicas es de suma importancia para prevenir el desarrollo de estas. Hoy en día, existen sistemas que utilizan inteligencia artificial para realizar el proceso de clasificación de manera eficiente. En este caso, se utilizó el aprendizaje de transferencia profunda con modelos pre-entrenados para clasificar las imágenes radiográficas en tres diferentes clases (sin escoliosis, escoliosis y espondilolistesis). La investigación contó con un enfoque cuantitativo, alcance exploratorio y diseño experimental. Por otro lado, la metodología implementada fue la iterativa a través de cuatro incrementos. El primer incremento se enfocó en realizar pruebas y ajuste fino para los modelos MobileNetV3-Small, MobileNetV3-Large y EfficientNetV2B0. En el segundo incremento se realizaron pruebas y ajuste fino en los modelos EfficientNetV2B1, EfficientNetV2B2 e InceptionResNetV2. En el tercer incremento, se realizó una base de datos con imágenes médicas de pacientes hondureños. En el cuarto incremento, se realizaron predicciones con los modelos que mejor se desempeñaron. Como consecuencia, se identificó que en el primer incremento se logró una exactitud media de 97.01% y en el segundo incremento se alcanzó una exactitud media de 98.01% en los modelos evaluados. Se consolidó la creación de una base de datos local para su implementación en futuras líneas de investigación y se validó el algoritmo de clasificación mediante predicciones de imágenes radiográficas de pacientes hondureños.