Responsable del laboratorio
Académicos
Dr. Boris Escalante Ramirez
Dra. Jimena Olveres
Postdoctorados
Dr. Jesus Garcia Ramírez
Dr. Carlos Minutti Martínez
Alumnos
Alan Cervantes Guzmán
Alan Mauricio Camargo Hernández
Alberto Daniel Sánchez Villegas
Arturo Tellez Cortés
Beatriz Ordóñez Nava
Daniel Mendoza Rodriguez
Daniela Niño de Ribera Jacinto
Eduardo Galicia
Erika Susana Mendoza Urrutia
Fernando González Colin
Haydee Olinca Hernández Aviña
Ivan Gamaliel Casasola Rodriguez
Jose Antonio Lopez Portillo
Lucas Cedric Cervantes
Manuel Gerardo Borja
Mauricio Gómez Macedo
Melisa Mateu Villa
Rodrigo Ramos
Sergio Hernandez Rojas
Vivian Paola Triana Galeano
Colaboradores
Dr. Fabian Torres Robles
Dr. Germán Abraham González Sánchez
Dr. Eric Yidell Carbajal-Degante
M.C. Rosario Cruz
Exalumnos
Alejandra López Caloca
Alfonso Estudillo Romero
Carlos Mira Gonzalez
Cecilia Solorzano
Ernesto Moya
Fabiola Pacheco Arteaga
Jorge Pantaleón
José Carlos Moreno Tagle
José Luis Silvan
Joshua Curiel Reyes
Leiner Barba Jimenez
Lorena Paola Vargas Quintero
Oscar Sumano Domínguez
Penelope Lopez Quiroz
Pedro Pablo Becerril Calderón
Sonia Cruz
Steve A. Avendaño Garcia
Uriel Rodrigo Nava
Yareli Alvarez
Semblanzas
Mtro. Rodrigo Ramos Díaz
Intereses: Aprendizaje automático, IA explicable, Visión computacional.
Proyecto actual: Sistema de auxilio al diagnóstico médico preciso y confiable.
Descripción: El aprendizaje profundo con redes neuronales convolucionales ha permitido desarrollar sistemas de visión computacional para auxiliar el diagnóstico médico (sistemas CADx) con alta precisión. Sin embargo, la falta de transparencia y explicaciones sobre el funcionamiento interno puede ser una debilidad en estos sistemas. Trabajo en evaluar y visualizar la explicabilidad en clasificadores con redes profundas.
Alberto Daniel Fuentes Villegas
Obtuvo su Licenciatura en Ingeniería Biomédica en 2021 de la Universidad Autónoma Metropolitana (UAM) en la Ciudad de México. En 2022 realizó una pasantía en INMEGEN (Instituto Nacional de Medicina Genómica), desarrollando un sistema de monitoreo inalámbrico para equipos de redes de frío.
Actualmente se encuentra matriculado en el programa de Maestría en Ciencias e Ingeniería en Computación de la UNAM. Su proyecto de tesis involucra el estudio y clasificación de imágenes de microscopio óptico, bajo la supervisión del Dr. Boris Escalante-Ramírez y la Dra. Jimena Olveres. Se desempeña como Asistente de Investigación en el Laboratorio de Procesamiento Avanzado de Imágenes (LAPI) de la UNAM.
Entre sus intereses tiene visión por computadora, algoritmos de aprendizaje automático, aprendizaje por refuerzo, redes neuronales y, en general, aplicaciones biomédicas.
Dr. Carlos Minutti Martinez
En la actualidad, investigando sobre el empleo de modelos generativos para el análisis y clasificación de imágenes médicas, considerando especialmente la presencia de sesgos en tales modelos. Además, mediante el uso del aprendizaje por transferencia, se busca alcanzar una aplicabilidad versátil de los mismos a diversos problemas de clasificación de imágenes médicas, a la par que se propicia la explicación de los modelos generados.
Intereses: Inteligencia Artificial, Ciencia de datos, Salud, Análisis de imágenes médicas, Problemas inversos.
Contacto: carlos.minutti@iimas.unam.mx
Titulo del proyecto actual: PUMA MEDNET: Una Red Neuronal Artificial Pre-entrenada para la clasificación de Imágenes médicas.
Alan Mauricio Camargo Hernández
Soy estudiante de la maestría en ciencias e ingeniería en computación. Estoy trabajando en modelos generativos utilizando aprendizaje profundo (AP), en especial en técnicas de transferencia de estilo en imágenes médicas (ultrasonido) para hacer aumentó de datos y así buscar mejorar el rendimiento de modelos de aprendizaje profundo entrenados con pequeñas bases de datos. Además, tengo interés por explorar temas como inteligencia artificial utilizando computación cuántica, y análisis de embedding con diferentes fuentes de información (voz, texto, imágenes, etc.).
Intereses: Inteligencia Artificial, Análisis y generación de imágenes médicas, aprendizaje profundo, computación cuántica y embedding con diferentes fuentes de información (voz, texto, imágenes, etc.)
Contacto: camargo.alan.m@gmail.com
Título del proyecto actual: Neural style transfer in tiny sets of ultrasound images for data augmentation.
Lucas Cedric Cervantes
Actualmente soy estudiante de pregrado en la Universidad Nacional Autónoma de México (UNAM), participando activamente en la realización de mi Licenciatura en Ciencia de Datos. Dentro del ámbito académico, estoy afiliado al laboratorio de procesamiento de imágenes digitales (LAPI), donde mi investigación gira principalmente en torno a la integración de modelos de aprendizaje automático (ML) en el análisis de conjuntos de datos de imágenes médicas.
Mi enfoque se extiende más allá de la implementación de estos modelos; También me dedico al refinamiento de técnicas de visualización y la creación de comparaciones comprensibles que ilustren los resultados derivados de la aplicación de estos modelos de ML.
Nombre del proyecto: Aumento de datos en secuencias de imágenes mediante convolución separable adaptativa.
Joshua Curiel Reyes
Soy estudiante de último semestre de la carrera de Ingeniería en Computación en la Facultad de Ingeniería de la UNAM, contribuyo en el proyecto Sistema Inteligente de Monitoreo Cardiaco (Cardiac) cómo Tech Lead y desarrollador Python, así cómo en la detección y corrección de problemas dentro de la herramienta del proyecto. Inicié en el laboratorio con mi servicio social, y al concluir continúe trabajando en el hasta la fecha por el gusto y la pasión, así cómo el constante aprendizaje y la retroalimentación de conocimientos en el ámbito de desarrollo.
Beatriz Ordóñez Nava
Soy una persona ávida de aprender. Agradecida con la maravillosa oportunidad de ser parte de nuestra gran universidad: UNAM. Trabajé en el proyecto colaborativo con el INPER (Instituto Nacional de Perinatología) proponiendo un algoritmo para realizar estimaciones para la cuantificación de parámetros del movimiento cardiaco, a partir de imágenes fetales de ultrasonido. Siempre afortunada de contar con extraordinarios compañeros y amigos, y por supuesto, privilegiada al haber sido alumna de grandes profesores que nos moldearon durante nuestro paso por la Facultad de Ingeniería y posgrado de PDS.