Vol. 20 Núm. 39 (2017)http://hdl.handle.net/20.500.12622/6382024-03-28T17:02:28Z2024-03-28T17:02:28ZReconciliación social: tecnología para la construcción de pazAlzate, Mónicahttp://hdl.handle.net/20.500.12622/10082021-06-04T20:58:30Z2017-05-02T00:00:00ZReconciliación social: tecnología para la construcción de paz
Alzate, Mónica
Colombia es reconocida internacionalmente dentro de la lista de países en conflicto armando, es el segundo conflicto más antiguo del planeta [1]. La larga duración de este conflicto y su intensidad han dejado cerca de un 20% de la población en condiciones de victimización[2]; se estima que la inversión del país para contener la violencia corresponde a un 30% de su PIB [3], es decir, seis veces más de lo que se invierte en educación. Es enorme el daño que ha ocasionado la confrontación armada, sin embargo, el país se encuentra ante una nueva oportunidad derivada del acuerdo de paz entre la guerrilla de las Farc y el Gobierno de Juan Manuel Santos.
2017-05-02T00:00:00ZFusión de etiquetas basado en múltiples atlas usando ponderaciones locales supervisadasCárdenas-Peña, DavidFernández, EduardoFerrández-Vicente, José M.Castellanos-Domínguez, Germanhttp://hdl.handle.net/20.500.12622/10212021-06-04T20:58:30Z2017-05-02T00:00:00ZFusión de etiquetas basado en múltiples atlas usando ponderaciones locales supervisadas
Cárdenas-Peña, David; Fernández, Eduardo; Ferrández-Vicente, José M.; Castellanos-Domínguez, German
La segmentación automática de estructuras de interés en imágenes de resonancia magnética cerebral requiere esfuerzos significantes, debido a las formas complicadas, el bajo contraste y la variabilidad anatómica. Un aspecto que reduce el desempeño de la segmentación basada en múltiples atlas es la suposición de correspondencias uno-a-uno entre los voxeles objetivo y los del atlas. Para mejorar el desempeño de la segmentación, las metodologías de fusión de etiquetas incluyen información espacial y de intensidad a través de estrategias de votación ponderada a nivel de voxel. Aunque los pesos se calculan para un conjunto de atlas predefinido, estos no son muy eficientes en etiquetar estructuras intrincadas, ya que la mayoría de las formas de los tejidos no se distribuyen uniformemente en las imágenes. Este artículo propone una metodología de extracción de características a nivel de voxel basado en la combinación lineal de las intensidades de un parche. Hasta el momento, este es el primer intento de extraer características locales maximizando la función de alineamiento de kernel centralizado, buscando construir representaciones discriminativas, superar la complejidad de las estructuras, y reducir la influencia de los artefactos. Para validar los resultados, la estrategia de segmentación propuesta se compara contra la segmentación Bayesiana y la fusión de etiquetas basada en parches en tres bases de datos diferentes. Respecto del índice de similitud Dice, nuestra propuesta alcanza el más alto acierto (90.3% en promedio) con suficiente robusticidad ante los artefactos y respetabilidad apropiada.
2017-05-02T00:00:00ZMejoramiento de la segmentación de estructuras nerviosas usando un enfoque de pre-imágenes basado en correntropíaGil-González, JuliánÁlvarez-Meza, Andrés A.Echeverry-Correa, Julián D.Orozco-Gutiérrez, Álvaro A.Álvarez-López, Mauricio A.http://hdl.handle.net/20.500.12622/10092021-06-04T20:58:32Z2017-05-02T00:00:00ZMejoramiento de la segmentación de estructuras nerviosas usando un enfoque de pre-imágenes basado en correntropía
Gil-González, Julián; Álvarez-Meza, Andrés A.; Echeverry-Correa, Julián D.; Orozco-Gutiérrez, Álvaro A.; Álvarez-López, Mauricio A.
El bloqueo de nervios periféricos (PNB) es una técnica ampliamente usada para llevar a cabo anestesia regional en el manejo del dolor. El PNB aplica una sustancia anestésica en el área que rodea el nervio que se quiere intervenir, y su éxito depende de la localización exacta del mismo. Recientemente, las imágenes de ultrasonido (UI) se han utilizado para la localización de nervios periféricos en PNB ya que permiten una visualización no invasiva y directa del nervio y de las estructuras anatómicas alrededor de él; sin embargo, este tipo de imágenes están afectadas por ruido speckle, dificultando su delimitación exacta. De esta manera, es pertinente una etapa de filtrado para atenuar el ruido sin remover información anatómica importante para la segmentación. En este artículo se propone una estrategia para el mejoramiento de UI usando filtrado basado en pre-imágenes. En particular, las imágenes se mapean a un espacio de alta dimensionalidad a través de una función kernel. Específicamente, se emplea un mapeo basado en Correntropía con el fin de codificar estadísticos de orden superior de las imágenes bajo condiciones no-lineales y no-Gaussianas. El enfoque propuesto se valida en la segmentación de nervios para PNB. El enfoque de filtrado basado en pre-imágenes con Correntropía (CPIF) es usado como pre-procesamiento en tareas de segmentación de nervios sobre UI. El rendimiento de la segmentación es medida en términos del coeficiente Dice. De acuerdo con los resultados, CPIF encuentra una aproximación adecuada para las UI al asegurar la identificación de patrones discriminativos de estructuras nerviosas.
2017-05-02T00:00:00ZOptimización de modelos de Stackelberg no estacionarios mediante un algoritmo evolutivo auto-adaptativoCedeño-Fuentes, Olga P.Arboleda-Castro, LorenaJacho-Sánchez, IvánNovoa-Hernández, Pavelhttp://hdl.handle.net/20.500.12622/10122021-06-04T20:58:30Z2017-05-02T00:00:00ZOptimización de modelos de Stackelberg no estacionarios mediante un algoritmo evolutivo auto-adaptativo
Cedeño-Fuentes, Olga P.; Arboleda-Castro, Lorena; Jacho-Sánchez, Iván; Novoa-Hernández, Pavel
Los modelos de Juegos de Stackelberg engloban una importante familia de problemas de la Teoría de Juegos, que encuentra aplicaciones directas en economía. El principal objetivo es encontrar un equilibrio óptimo entre las decisiones que pueden tomar dos actores que se relacionan jerárquicamente. En general estos modelos son complejos de resolver dada su estructura jerárquica, y la frecuente aparición en estos de funciones objetivos o restricciones intratables analíticamente. Otra causa de dicha complejidad es la existencia de incertidumbre, particularmente debido a la variabilidad en el tiempo de las condiciones del mercado, estrategias de los competidores, entre otras. Un análisis de la literatura relacionada muestra muy pocos trabajos abordando estos problemas de optimización no estacionarios. En este sentido, la presente investigación propone una técnica meta-heurística auto-adaptativa para resolver modelos de Juegos de Stackelberg no estacionarios. Los resultados experimentales obtenidos muestran una mejoría significativa sobre un método existente.
2017-05-02T00:00:00Z