Grado en Ingeniería de las Tecnologías de Telecomunicación

URI permanente para esta colecciónhttps://hdl.handle.net/11441/25663

Examinar

Mostrando 1 - 20 de 548

Detección y Clasificación Eficiente de Señales de Tráfico mediante Redes Convolucionales
(2025) Muñoz Espinosa, Álvaro; Martínez de Dios, José Ramiro; Tapia López, Raúl; Universidad de Sevilla. Departamento de Ingeniería Eléctrica
Enelámbitodela seguridad vial y la asistencia a la conducción, el reconocimiento de señales de tráfico mediante técnicas de visión artificial se ha convertido en un área de gran interés. Este Trabajo Fin de Grado tiene como objetivo desarrollar un sistema eficiente para la detección y clasificación rápida de señales de tráfico, utilizando redes neuronales convolucionales profundas. El proyecto se compone de dos etapas principales: la detección de señales, realizada mediante la arquitectura YOLOv8, y la clasificación de las mismas, para lo cual se han diseñado y entrenado redes personalizadas. A lo largo del trabajo se ha llevado a cabo un exhaustivo estudio del estado del arte en redes neuronales y arquitecturas profundas, así como un análisis detallado de los tipos de capas más relevantes y las métricas que se usan para evaluar el rendimiento de los modelos. El sistema se ha entrenado y validado utilizando conjuntos de datos reconocidos, como BDD100K para la detección y GTSDB para la clasificación. Adicionalmente, se ha desarrollado un pipeline automatizado que permite integrar ambas etapas y procesar secuencias de video en tiempo real, mostrando la viabilidad del sistema para su aplicación en entornos reales. Por último, se han comparado los resultados obtenidos por las redes personalizadas con los modelos de clasificación de YOLOv8 demostrando que las redes desarrolladas alcanzan un rendimiento competitivo en términos de precisión y una mejora significativa en la velocidad de inferencia, siendo hasta diez veces más rápidas.
Ecosistema Android multi-aplicación con servicio REST para la detección de caídas y la gestión de incidencias, alarmas y eventos
(2025) Manzano Gamito, Marina; Ariza Gómez, María Teresa; Universidad de Sevilla. Departamento de Ingeniería Telemática
En la actualidad, la tecnología juega un papel crucial en la vida de las personas y en su calidad de vida. Sin embargo, su uso no resulta accesible para algunos colectivos, como personas mayores o en situación de dependencia que viven solas o que requieren ayuda en su día a día. En este contexto se ha diseñado y desarrollado un sistema compuesto por tres aplicaciones Android que hacen uso de un servicio REST y una base de datos, con el fin de ofrecer una solución accesible para la gestión de alarmas, eventos e incidencias. La primera de las aplicaciones Android desarrolladas, SensApp, está dirigida a los usuarios finales y les permite visualizar sus eventos y alarmas diarias, detectar caídas y crear incidencias. La segunda aplicación, SensApp Control, está enfocada a los responsables de los usuarios o sus familiares, estos pueden acceder a los datos del usuario y crear o editar alarmas y eventos para este. Por último, SensApp Plus está dividida en dos módulos, uno para operadores, encargados de atender las incidencias existentes, y otro para administrativos, donde pueden gestionar los usuarios, responsables y operadores y además, acceder a todos los datos necesarios. Las tres aplicaciones hacen uso del servicio REST desarrollado para la persistencia de datos. El objetivo principal de este Trabajo de Fin de Grado es, por tanto, ofrecer un sistema tecnológico que mejore la calidad de vida de las personas mayores o aquellas que requieran ayuda, facilitándoles el uso de la tecnología, permitiendo así que puedan incorporarla a su día a día con el objetivo de fomentar su autonomía.
Desarrollo de una aplicación móvil para el seguimiento eficiente de movimientos en bolsa
(2025) Fernández Cotán, Diego José; Muñoz Calle, Francisco Javier; Universidad de Sevilla. Departamento de Ingeniería Telemática
Este proyecto consiste en el desarrollo de una aplicación móvil diseñada para facilitar la inversión en activos del mercado bursátil mediante un algoritmo que identifica el momento óptimo para realizar inversiones. La aplicación ofrece a los usuarios la posibilidad de monitorizar activos en tiempo real y suscribirse a valores específicos, recibiendo alertas personalizadas sobre el momento de inversión de dicho activo. Estas alertas incluyen un sistema de código de colores en la interfaz de visualización, así como notificaciones en el dispositivo móvil para aquellos valores a los que el usuario esté suscrito. Además, la aplicación incorpora un apartado de formación, que permite la publicación de artículos, videos y documentos de temática financiera. Incluye también un apartado de consultas, donde los usuarios pueden plantear preguntas a los administradores mediante un chat en línea. Los administradores tienen capacidad para gestionar tanto los contenidos publicados, como las preguntas formuladas en el chat. La aplicación consta de una interfaz de usuario desarrollada en React Native, que permite su implementación como aplicación nativa tanto en dispositivos Android como iOS. El backend se estructura en tres servicios desplegados utilizando el sistema de contenedores Docker: 1. Servidor Python Flask a. Este servicio actúa como punto central de comunicación, manejando los endpoints con los que interactúa la aplicación y gestionando las peticiones. 2. Base de datos PostgreSQL a. Base de datos relacional que almacena los datos de la aplicación, incluyendo información sobre los usuarios, suscripciones, contenidos de formación y configuraciones de notificación. 3. Motor de cálculo o ‘Engine’ a. Este servicio recopila datos de los valores bursátiles y calcula el punto de inversión óptimo. Los resultados se envían en tiempo real al frontend mediante Web Sockets para su visualización. b. Además, se encarga de enviar notificaciones al dispositivo del usuario utilizando Expo Push Notifications cuando el usuario está suscrito al valor. Este proyecto, por tanto, pretende proporcionar una plataforma para usuarios interesados en el mercado bursátil, combinando la monitorización de inversiones y la formación. La elección de tecnologías modernas y escalables busca un rendimiento óptimo y una experiencia fluida tanto en la monitorización de activos como en la comunicación y gestión de contenidos.
Resolución de un problema de gran escala de reparto de última milla con opciones de entrega y ventanas de tiempo mediante algoritmo k-means
(2025) Ballestero de Juan, José; Escudero Santana, Alejandro; Universidad de Sevilla. Departamento de Organización Industrial y Gestión de Empresas II
Resumen rápido crecimiento del comercio electrónico ha acarreado un aumento en la complejidad de la logística que lo acompaña. Siendo “la última milla”, el tramo más importante en los envíos. Debido a que los clientes prefieren la entrega a domicilio, el mayor reto de la logística del comercio electrónico es reducir el número de incidencias a la hora de entregar los productos a los clientes. Estas incidencias disminuyen la calidad percibida del servicio y un aumento en los costes de distribución y emisiones. Este proyecto aborda la problemática actual de los envíos a domicilio relacionados con el comercio electrónico. Se pretende que la solución creada sirva de ayuda para intentar reducir el número de entregas fallidas por falta de comunicación y coordinación entre las empresas repartidoras y el cliente. Este estudio aborda el problema utilizando técnicas de clusterización y planificación de rutas, con el objetivo de minimizar la distancia recorrida, reducir los tiempos de espera y mejorar la asignación de recursos en escenarios con diferentes volúmenes de demanda.
Determinación de la posición de dispositivos IoT en condiciones adversas mediante evaluación de calidad de las medidas
(2025) Maldonado Luna, Victoria; Arias de Reyna Domínguez, Eva María; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
La tecnología Ultra Wide-Band ha evolucionado como una de las principales soluciones para la localización en interiores debido a su alta precisión y capacidad de penetración en obstáculos. Sin embargo, la propagación en condiciones NLOS (Non-Line of Sight) introduce errores que afectan la estimación de posición. Este trabajo compara distintos métodos basados en mínimos cuadrados mediante simulaciones en MATLAB, incluyendo Solución no lineal de mínimos cuadrados NLS, Solución no lineal de mínimos cuadrados con conocimiento de la condición de visión NLS-CCV, Solución de mínimos cuadrados lineales LLS y algoritmo LLS ponderado por cuadrado delimitador B-WLS, este último diseñado para mitigar errores NLOS mediante ponderación adaptativa. Los resultados destacan la eficacia de B-WLS en escenarios con obstáculos, resaltando la importancia de técnicas de ponderación para mejorar la precisión. Además, se plantean futuras investigaciones para evaluar estos métodos en entornos dinámicos y con distintas configuraciones de anclaje.
Emulador de comunicaciones de sistemas de control industriales
(2025) Rosendo Alonso, Juan José; Estepa Alonso, Antonio José; Universidad de Sevilla. Departamento de Ingeniería Telemática
Este Trabajo de Fin de Grado se centra en el desarrollo de un emulador de tráfico Modbus, una herramienta diseñada para simular la comunicación entre dispositivos industriales. El principal objetivo es proporcionar un entorno seguro y práctico que permita probar, depurar y analizar sistemas basados en el protocolo Modbus sin necesidad de interactuar con equipos reales, evitando así riesgos asociados a su manipulación. El proyecto abarca desde el diseño de una arquitectura basada en contenedores Docker hasta la implementación de una interfaz gráfica intuitiva. El sistema utiliza el patrón Modelo-Vista-Controlador (MVC) y está compuesto por tres partes principales: Core, que gestiona la emulación mediante Docker y Tcpdump; Backend, encargado de coordinar las acciones del sistema; y Frontend, que ofrece al usuario la posibilidad de configurar escenarios de red de manera interactiva. La solución desarrollada permite emular múltiples dispositivos Modbus TCP, configurados como maestros o esclavos, en una red virtual. Se destacan funcionalidades como la validación de configuraciones de red, la personalización del tráfico emulado y la captura de paquetes en formato PCAP para su análisis posterior. Además, el sistema facilita la creación, carga, guardado y ejecución de escenarios de red personalizados. Este emulador no solo tiene aplicaciones prácticas en la seguridad y análisis de redes industriales, sino que también puede ser utilizado en entornos educativos y en la generación de datasets para entrenar algoritmos de inteligencia artificial destinados a la detección de ciberataques.
Análisis de la capacidad de detección de los IDS Snort, FortiGate y Palo Alto NGFW en entornos ICS bajo la matriz MITRE ATT&CK
(2025) Meléndez Casado, Andrés; Muñoz Calle, Francisco Javier; Universidad de Sevilla. Departamento de Ingeniería Telemática
Este trabajo tiene como objetivo evaluar la capacidad de detección de los IDS Snort, FortiGate y Palo Alto frente a ataques en entornos industriales. Para ello, se generará tráfico malicioso y se clasificarán los ataques según la matriz MITRE ATT&CK. Posteriormente, se analizarán los resultados con distintos niveles de detalle y se realizará un estudio comparativo para determinar cuál de estos sistemas ofrece un mejor rendimiento en la detección de amenazas.
Análisis de la capacidad de detección de ataques en red mediante el IDS Snort y PaloAlto NGFW
(2025) Moreno Pérez, Alejandro; Muñoz Calle, Francisco Javier; Universidad de Sevilla. Departamento de Ingeniería Telemática
En el presente Trabajo de Fin de Grado (TFG), titulado “Análisis de la capacidad de detección de ataques de Red (Grupo B) mediante el IDS Snort y PaloAlto NGFW”, se aborda el estudio y evaluación de la eficacia del sistema de detección de intrusiones (IDS) Snort en la identificación de amenazas y ataques en redes informáticas realizando una comparación con PaloAlto, un firewall de siguiente generación. Basándonos en la matriz de MITRE ATT&CK®, que proporciona una clasificación de los tipos de ataques clasificándolos en grupos llamados “Tácticas” y en cada una de estas tácticas dividiéndolos en “Técnicas”. La matriz cuenta con 14 tácticas y 202 técnicas diferentes. Los ataques son realizados en diferentes escenarios en función de las necesidades del propio ataque y en todos ellos hay un equipo atacante y un equipo víctima. Tras realizar el ataque se captura el tráfico generado por red para posteriormente realizar un análisis mediante Snort y PaloAlto. Finalmente, se estudian los resultados obtenidos por Snort para ver la capacidad de detección de diferentes tipos de ataques de red y evaluar sus puntos fuertes y defectos mediante una comparación con PaloAlto NGFW.
Evaluación experimental de Neo4J para su aplicación en el dominio sanitario
(2025) Franco Romero, Antonio; Calvillo Arbizu, Jorge; Universidad de Sevilla. Departamento de Ingeniería Telemática
Este Trabajo de Fin de Grado tiene como objetivo principal analizar y evaluar el rendimiento de la base de datos basada en grafos Neo4J aplicada al sector sanitario, específicamente en entornos de monitorización de pacientes a través de dispositivos autónomos bajo el paradigma de Internet of Medical Things (IoMT). Para el desarrollo del proyecto, se ha diseñado una solución empleando drivers de Java integrados con Neo4J, lo que permitió la conexión y manipulación de la base de datos de manera eficiente. Además, se utilizó la librería OSHI para llevar a cabo la monitorización del sistema, registrando el consumo de recursos (CPU y RAM) durante la ejecución de las pruebas. El trabajo experimental incluyó escenarios con distintos volúmenes de datos y frecuencias de transmisión, simulando condiciones reales en entornos hospitalarios, así como pruebas de distintas consultas de diferente complejidad. Las pruebas realizadas permitieron analizar el rendimiento del sistema bajo diversas cargas de trabajo, identificando las capacidades y limitaciones de Neo4J en términos de escalabilidad y consumo de recursos. Los resultados obtenidos reflejan que Neo4J es una herramienta altamente eficiente para gestionar bases de datos con gran densidad de relaciones, destacando en entornos con cargas moderadas debido a su capacidad de manejar datos interconectados y realizar consultas complejas de forma rápida y precisa. A pesar de estos resultados positivos, el sistema mostró ciertas limitaciones al enfrentarse a cargas elevadas, donde se evidenció un incremento progresivo en el consumo de CPU y RAM, lo que afectó la estabilidad general. Como parte de las conclusiones, se proponen diversas líneas de trabajo futuro que buscan optimizar el rendimiento y ampliar la aplicabilidad del sistema. Entre estas líneas destacan la optimización del rendimiento a través de técnicas avanzadas de indexación, la implementación de un entorno distribuido y la integración con sistemas reales para validar el desempeño en condiciones operativas. Este trabajo establece una base sólida para futuras investigaciones que busquen mejorar el almacenamiento y análisis de datos interconectados en el ámbito sanitario, contribuyendo al desarrollo de soluciones más eficientes y escalables en el sector de la salud.
Análisis de la capacidad de detección de ataques en red mediante los IDS Snort y FortiGate
(2024) García Borja, Javier; Muñoz Calle, Francisco Javier; Universidad de Sevilla. Departamento de Ingeniería Telemática
Este proyecto comprende el estudio exhaustivo de la capacidad de detección de los IDS Snort y FortiGate en lo relativo a ataques en red. Para llegar a este punto, se siguen unas pautas marcadas que definen el proceso de análisis completo. La lista de ataques, clasificados categóricamente en base a su naturaleza y grado de detalle, se obtiene a partir de la matriz MITRE ATT&CK®. Los ataques, con diferentes procedencias, han sido implementados de múltiples formas, haciendo uso de un gran abanico de herramientas y escenarios para su puesta en práctica. El tráfico generado es capturado y enviado a los IDS para su detección. Los resultados de las detecciones son expuestos siguiendo unos criterios concretos de análisis, que se resumen en enfoques particulares del comportamiento de los IDS. Para documentar el proceso completo, se recurre a hojas de cálculo y una base de datos que condensan toda la información relevante del estudio. Todas estas secciones derivan finalmente en una comparación y examinación de los resultados, estableciendo una conclusión de la capacidad de detección de Snort y FortiGate.
Diseño e implementación de un correlador de eventos
(2025) López León, Fernando Jesús; Mayor Gallego, Vicente Jesús; Universidad de Sevilla. Departamento de Ingeniería Telemática
En este Trabajo Fin de Grado se presenta el desarrollo de un correlador de eventos en Python que sea capaz de soportar múltiples formatos de entrada y que la configuración tanto de las reglas como de las alertas sea simple, fácil, configurable e intuitivo para el usuario final. Para poner un poco en contexto, un correlador de eventos es una herramienta que permite analizar y relacionar eventos registrados en un sistema para identificar patrones y generar alertas ante situaciones predefinidas y específicas. De hecho, existen alternativas en el mercado, pero algunas son complejas, poco intuitivas, de pago o hay que escribir una cantidad extensa de líneas de código para poder configurarlas. Por tanto, la idea principal de este proyecto es la de construir un correlador de código abierto, gratuito y que mejore y simplifique la configuración de las reglas y las alertas. A lo largo del documento, se detallarán la metodología usada, el diseño del sistema, la implementación y las pruebas realizadas para validar su funcionamiento, así como, las ventajas, limitaciones y posibles líneas de continuación del proyecto.
Red de sensores para la detección de agua en vehículos autónomos de superficie
(2024) Medinaceli Sánchez Galisteo, Jesús de; Gutiérrez Reina, Daniel; Yanes Luis, Samuel; Universidad de Sevilla. Departamento de Ingeniería Electrónica
El presente Trabajo de Fin de Grado se centra en el desarrollo y evaluación de un sistema de detección de agua para barcos autónomos de superficie utilizando una red de sensores IoT. El objetivo principal es garantizar la seguridad de los componentes electrónicos a bordo, proporcionando alertas en tiempo real ante la presencia de agua en los compartimentos electrónicos. El sistema implementado utiliza un sensor de humedad SOS Leak Sensor de Blue Robotics conectado a un microcontrolador NodeMCU (ESP8266). La comunicación de datos se realiza mediante WiFi a un servidor Node-RED a través de un bróker MQTT, facilitando la transmisión eficiente y fiable de alertas. Además, se ha logrado una significativa reducción del consumo energético implementando el modo deep sleep en el NodeMCU. Las pruebas realizadas han demostrado que el sistema es eficaz en la detección de agua, proporcionando alertas precisas y en tiempo real. La interfaz gráfica desarrollada en Node-RED permite a los usuarios visualizar y gestionar las alertas de manera intuitiva en tiempo real. Además, se identifican áreas de mejora para optimizar el sistema incluyendo comparaciones de consumo con otros microcontroladores, algoritmos para una reconexión más eficiente o la implementación de alertas multicanal. Los resultados obtenidos confirman la viabilidad del sistema propuesto para mejorar la seguridad y operatividad de los barcos autónomos, contribuyendo a la monitorización y protección del medio ambiente acuático
Extracción y selección de características para el análisis de la profundidad del melanoma
(2024) Cruz Arriero, María de la; Acha Piñero, Begoña; Serrano Gotarredona, María del Carmen; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
El melanoma es un tipo de cáncer de piel agresivo y de creciente incidencia, por lo que su detección temprana y precisa resulta fundamental. En este estudio, empleamos técnicas de aprendizaje automático (en inglés Machine Learning, ML) para clasificar el melanoma en superficial o profundo, enfocándonos en el análisis del color y explorando diversos espacios de color y sus propiedades. Los resultados destacan la efectividad de las técnicas de selección de características, así como la importancia de aquellas que se asemejan a la percepción humana del color, lo cual mejora la precisión en la clasificación. Sin embargo, los resultados presentan un número considerable de clasificaciones incorrectas, lo que indica margen de mejora en la precisión del modelo.
Diseño de un sistema de detección de eventos sonoros
(2024) García Miranda, Julián; Sarmiento Vega, María Auxiliadora; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
En este trabajo analizaremos el uso de embeddings de audio como características de entrada para el entrenamiento de un sistema de detección de eventos sonoros (SED) usando machine learning. Explicaremos el estado del arte de los sistemas SED, utilizaremos las herramientas de machine learning de MATLAB para extraer las características de los audios y para realizar el entrenamiento, finalmente analizaremos los resultados obtenidos al usar una base de datos pública de etiquetado débil para el entrenamiento del sistema.
Identificación de emociones mediante procesamiento del lenguaje natural
(2023) García Valverde, Jesús; Martín Clemente, Rubén; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
El Procesamiento del Lenguaje Natural es la capacidad para comprender el lenguaje humano de las máquinas. Hace uso de algoritmos de aprendizaje automático para tomar información del mundo real, procesarla y analizarla con el objetivo de que pueda entenderlo como lo hace el ser humano. La rama que del Procesamiento del Lenguaje Natural en la que se centra el estudio es el Análisis de Sentimientos basado en el proceso de detección de sentimientos en texto. Estos modelos se centrar en analizar la polaridad (positiva o negativa). Para llevar a cabo el Análisis de Sentimientos se siguen los siguientes pasos: recopilación de datos, preprocesado del texto, análisis de los datos y comprensión de los resultados obtenidos. En el mundo real, empresas con la finalidad de conocer opiniones sobre algún tema o producto en concreto pueden hacer uso de ello y sacar conclusiones en base a los resultados. Este trabajo se centra en analizar un número de tweets sobre compañías españolas telefónicas realizando una comparación entre tres algoritmos de aprendizaje automático: “K-Nearest Neighbors”, “Multinomial Naïve Bayes” y “Support Vector Machine” (“Stochastic Gradient Descent”).
Integración de herramientas de gamificación multijugador en plataformas de Enseñanza Virtual
(2024) Santiago Cuenca, Álvaro Ángel; Fernández Jiménez, Francisco José; Universidad de Sevilla. Departamento de Ingeniería Telemática
En trabajos anteriores se ha ido desarrollando una plataforma de gamificación que permite complementar las herramientas de aprendizaje a distancia con actividades lúdicas que favorecen la implicación de los alumnos en el proceso de aprendizaje. Este trabajo amplía el Proyecto Gamifica del departamento de Ingeniería Telemática de la ETSI de Sevilla. Anteriormente se habían realizado en otros proyectos: la web de administración (Ana Lobón), el desarrollo de partidas (Alberto Jiménez) y la comunicación LTI (Pedro García Frutos). El primer paso en el proyecto ha sido actualizar la interfaz de la web de administración a tecnología JSF, cuyos aspectos más destacados son la construcción de páginas web usando un lenguaje de plantillas, la comunicación con Ajax desde el cliente al servidor y la validación de datos en el cliente, y se ha desarrollado el acceso a esta web mediante LTI por parte de los profesores. Como segundo requisito se solicitaba la migración y unificación de las bases de datos del proyecto, para ello se ha realizado la migración de la base de datos existente en SQLite a la actual en PostgreSQL mejorando con ello la gestión y accesibilidad a la misma. Otro de los requisitos del proyecto es la inclusión de las partidas distribuidas, en las que cada jugador visualiza el juego en su terminal de manera que pueden visualizar la ejecución de la partida desde su propio navegador. Por ultimo se añade la funcionalidad de un chat en tiempo real entre los participantes en la partida, de manera que tanto el profesor como los alumnos puedan comunicarse entre sí, ya sea entre los miembros de un equipo, entre dos alumnos o desde el profesor a los alumnos o sus equipos. Para verificar el correcto funcionamiento de todas las funcionalidades desarrolladas, en un entorno real, se ha utilizado la plataforma Moodle del IES Joaquín Turina de Sevilla, facilitado por Jesús Muñoz Calle.
Radiómica para el análisis automático de mamografías
(2024) Román Moguer, José Manuel; Serrano Gotarredona, María del Carmen; Acha Piñero, Begoña; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
El cáncer de mama es una de las principales causas de mortalidad entre las mujeres de la sociedad española, su detección temprana es crucial para mejorar las tasas de supervivencia. El uso de la inteligencia artificial en el campo de la investigación biomédica puede aportar bastante al campo de la detección de esta enfermedad. En este proyecto se desarrollará un algoritmo, basado en aprendizaje máquina, en el cual pretendemos discriminar entre masas mamarias benignas y malignas. Para ello, se extraerán características estadísticas, de forma y de textura utilizando la librería PyRadiomics, en lenguaje Python, y Measure de Skimage. A continuación, con la ayuda de métodos estadísticos, como el uso del P-Value o la eliminación a partir de la correlación, se reducirá el número de las características extraídas, quedándonos únicamente con aquellas características más significativas. Finalmente, se entrenará un modelo SVM (máquina de soporte vectorial) para la clasificación, a partir de las características extraídas y seleccionadas significativamente tomando en consideración estas imágenes, que permita realizar la clasificación en masas benignas o malignas. Con este proyecto se pretende ayudar a los profesionales sanitarios, especialistas en el campo de la detección oncológica, mejorando la detección y el tratamiento de la enfermedad.
Análisis de Neo4J como soporte al control de acceso en entornos sanitarios
(2024) Muñoz Jiménez, Soledad; Calvillo Arbizu, Jorge; Universidad de Sevilla. Departamento de Ingeniería Telemática
En la actualidad, nuestros datos se utilizan para diversos propósitos, como estudios, análisis y administración. Este uso de datos contribuye a un funcionamiento más eficiente de los sistemas y organizaciones, pero también conlleva riesgos significativos. A menudo, no somos plenamente conscientes del destino final de nuestros datos. Para abordar estos riesgos, se han desarrollado los consentimientos personales, regulados por el Reglamento General de Protección de Datos (GDPR). Estos consentimientos otorgan a los usuarios el control sobre el uso de su información, permitiéndoles aprobar o rechazar cómo se utilizarán sus datos para fines específicos, y garantizando que no se procesen sin el consentimiento adecuado. Este principio es especialmente crucial en el ámbito sanitario, donde la información personal es extremadamente sensible. Frecuentemente, otorgamos nuestro consentimiento sin una comprensión total de los permisos que estamos concediendo. Dado que las tecnologías emergentes se integran cada vez más en nuestra vida diaria, es vital contar con sistemas que faciliten la gestión y consulta de esta información. En respuesta a esta necesidad, se propone el desarrollo de un servicio que almacene tanto los consentimientos como la información sanitaria. Este sistema tiene como objetivo mejorar la transparencia y el control del usuario sobre su información personal en el ámbito sanitario, soportando el proceso de toma de decisiones de control de acceso a partir de la información almacenada. Este sistema está diseñado para cumplir con los requisitos del GDPR, garantizando la protección de datos y facilitando la consulta de los consentimientos de los pacientes y la información relacionada en los mecanismos de control de acceso. El objetivo último es ofrecer una solución que soporte la toma de deciones de control de acceso incorporando los consentimientos otorgados por los pacientes para el control sobre su información sanitaria. La solución propuesta incluye un servicio web REST que proporciona una interfaz accesible para que los usuarios u otros sistemas puedan realizar consultas sobre los consentimientos y la información sanitaria mediante peticiones HTTP, eliminando la necesidad de visitas físicas a los centros sanitarios y una base de datos Neo4j utilizada para almacenar y gestionar datos complejos relacionados con consentimientos, profesionales y pacientes, aprovechando las capacidades de Neo4J para manejar eficientemente las relaciones entre nodos.
Detección de objetos quirúrgicos en imágenes médicas para cirugía asistida por ordenador
(2024) Martín Moruno, Guadalupe; Real Torres, Alejandro del; Universidad de Sevilla. Departamento de Ingeniería de Sistemas y Automática
El uso de la inteligencia artificial para tareas de detección de objetos quirúrgicos ha demostrado ser un enfoque novedoso que puede aumentar la precisión y la eficiencia en los entornos médicos. La identificación de instrumentos en cirugía debe ser lo suficientemente precisa y rápida como para evitar complicaciones, y ¿qué mejor que realizar esta tarea con un sistema de detección automática? En este trabajo se describe el desarrollo de un sistema de detección y clasificación de objetos quirúrgicos que utiliza redes neuronales convolucionales para identificar patrones en imágenes capturadas durante procedimientos quirúrgicos. Estas redes proporcionan identificación en tiempo real para un mejor control y seguridad durante la cirujía. La integración del aprendizaje automático en este ámbito permite fusionar la tecnología con la medicina. Este enfoque automatizado puede reducir los errores humanos, mejorar la seguridad del paciente y lograr una mayor eficiencia en los quirófanos, lo que ayuda a los cirujanos a concentrarse en los más importante: el éxito de la intervención.
Procesado del EEG y técnicas de machine learning para la detección de pacientes con esclerosis múltiple
(2024) Balsa Picado, Lucía; Martín Clemente, Rubén; Universidad de Sevilla. Departamento de Teoría de la Señal y Comunicaciones
La esclerosis múltiple (EM) es una enfermedad autoinmune que provoca una degeneración de la transmisión de los impulsos nerviosos, lo que ocasiona al paciente un amplio abanico de síntomas relacionados con la falta de coordinación o pérdida de control muscular, pero también con la capacidad cognitiva. Es en esta última línea en la que se propone contribuir con este proyecto, y para ello se ha planteado el diseño de un ‘ojo clínico’ que proporcione una detección fiable de casos de EM en base a una serie de características de la actividad cerebral del sujeto sometido a evaluación. A partir del electroencefalograma (EEG) registrado durante una prueba de carácter atencional, se construye un protocolo de procesado de señal para extraer un número de parámetros que pueden aportar información sobre el estado de determinados mecanismos cognitivos. Estas características pasan a conformar la base de datos necesaria para generar un modelo de aprendizaje automático o machine learning (ML) capacitado para discernir entre sujetos con EM y sin ella con una precisión significativa.

Examinar

Envíos recientes