Documents published in Scipedia

• Algoritmo no supervisado para la segmentación de imágenes digitales de micrografías de nanopartíclas de plata (Ag).

  A. Rivas, J. Fraga Almanza, C. García, A. Estrada, E. Villanueva

  SMCCA (2023). 2

  
  

  Abstract

  La segmentación de imágenes es un tipo específico de agrupamiento de datos. El agrupamiento en este contexto es conocer grupos de píxeles en las imágenes para obtener información relevante que por lo general se encuentra implícita en ellas. La Microscopía Electrónica de Transmisión (MET o TEM, por Transmission Electron Microscopy) es un una técnica experimental y de alto costo monetario, en la que un haz de electrones suficientemente acelerado colisiona con una muestra (nanopartículas de plata (Ag) en este caso) delgada convenientemente preparada. En la muestra los electrones colisionan con respecto a algunas propiedades específicas (grosor y tipo de átomos), todo este proceso forma una imagen digital con distintas intensidades de gris que corresponde al grado de dispersión de los electrones incidentes. Propiedades como la cantidad y el diámetro de nanopartículas existentes en este tipo de imágenes es relevante conocer de forma automatizada, ya que por lo general conocer este tipo de propiedades se hace mediante procedimientos laboriosos. Sin embargo, analizar este tipo de imágenes utilizando algoritmos no supervisados simplifica este tipo de trabajo, pero implica enfrentarse al problema de alta densidad de pixeles existentes en ellas. El algoritmo KMeans es del tipo no supervisado y utilizado para hacer segmentación de píxeles en imágenes de micrografías como lo indican algunos autores y que en este trabajo en etapa inicial es utilizado para contabilizar y obtener el diámetro de nanopartículas de plata (Ag) que son las imágenes con las que se cuenta hasta el momento y son el resultado del grupo de trabajo experimental de la División de Ciencias e Ingeniería de la Universidad de Guanajuato Campus León. Para llevar a cabo todo el procesamiento computacional se utilizará una computadora de nueva generación llamada Parallella que es un proyecto de bajo costo monetario, poco consumo energético y diseñado para el alto desempeño de cálculo numérico, siendo estas características una opción que beneficiará a este proyecto por no contar con infraestructura computacional adecuada.

  Abstract
  La segmentación de imágenes es un tipo específico de agrupamiento de datos. El agrupamiento en este contexto es conocer grupos de píxeles en las [...]

  • 98
  •  read

• El algoritmo KMeans y el problema de los centroides iniciales

  G. Torres Aguirre, A. Rivas, J. Fraga Almanza, J. Zul, J. Valdez

  SMCCA (2023). 3

  
  

  Abstract

  El gran volumen de datos en el que se vive en la actualidad, hace evidente la necesidad de clasificar los datos para obtener relaciones, asociaciones y correlaciones de ellos. Para llevar a cabo esta clasificación es necesario emplear algoritmos de agrupamiento del tipo no supervisado y particionales. Un candidato de este tipo es el algoritmo KMeans, ampliamente utilizado para resolver el problema de agrupamiento. Sin embargo, este algoritmo necesita de argumentos iniciales como lo son el número de grupos y un conjunto de datos llamados centroides que son los representantes de cada uno de ellos. Esto puede ser una fortaleza pero a la vez puede representar limitaciones del algoritmo. Es por ello que en este trabajo se inicia con la caracterización general del algoritmo KMeans en base a la selección de los centroides iniciales para después estudiar la técnica de análisis de componentes principales y con esta proporcionar centroides iniciales óptimos, pero esa etapa aún está en desarrollo y por tanto solo se presenta la idea inicial. La herramienta computacional es clave para el trabajo con alta densidad de datos es por eso que en este trabajo también se tiene como objetivo implantar un marco de trabajo llamado Apache Spark.

  Abstract
  El gran volumen de datos en el que se vive en la actualidad, hace evidente la necesidad de clasificar los datos para obtener relaciones, asociaciones y correlaciones de ellos. [...]

  • 65
  •  read

• Simulación numérica sobre el efecto del plasmón localizado de nanopartículas de plata (Ag), bajo el marco de la teoría de Mie

  J. Fraga Almanza, C. García, E. Mendoza, A. Rivas, G. Torres Aguirre

  SMCCA (2023). 4

  
  

  Abstract

  Las nanopartículas (Nps) de metales nobles como plata (Ag) y oro (Au) en las últimas décadas son objeto de extensa investigación en el contexto de las nanociencias y la nanotecnología, principalmente esto se debe a sus propiedades ópticas únicas. En las Nps, el gas de electrones libres en ellas presenta propiedades de oscilación resonante, fenómeno conocido como el plasmón superficial localizado (PSL). Al irradiarse las Nps en el ultravioleta y visible del espectro, la absorción óptica, depende fundamentalmente del material constitutivo, la geometría de la Nps y su entorno. La dispersión de la radiación electromagnética de una esfera, es definida por la Teoría de Mie. Los cálculos al usar esta teoría pueden llegar a ser largos e incluso imposibles para aquellos con recursos hardware limitados. Por lo tanto en esta investigación que actualmente, se encuentra en desarrolló, se diseño e implanto una simulación numérica escrita en Python 3 para la obtención de los coeficientes de Mie en nanopartículas de plata (Ag)  y contar con una herramienta computacional que generé escenarios permitiendo el estudio y obtención de los coeficientes de extinción de NPs de Ag, siendo esta metodología fácilmente adaptable para otros metales donde se pueden calcular y/o simular una variedad de propiedades ópticas.

  Abstract
  Las nanopartículas (Nps) de metales nobles como plata (Ag) y oro (Au) en las últimas décadas son objeto de extensa investigación en el contexto [...]

  • 15
  •  read

• Metodología de reproducibilidad para estudios estadísticos de una población

  P. Flores, J. Fraga Almanza, O. BETZABETH

  SMCCA (2020). 4

  
  

  Abstract

  En este artículo se presenta una metodología basada en la Ciencia de Datos que proporciona herramientas estadísticas y computacionales para llevar a cabo una estructuración óptima, limpieza y reproducibilidad de datos provenientes de encuestas u otros instrumentos de medición, con el fin de realizar análisis exploratorios confiables para extraer la información subyacente de los datos, que permita avalar la toma de decisiones y el establecimiento de políticas públicas frente a problemáticas de interés social. El ejemplo de aplicación de esta metodología corresponde al estudio estadístico realizado para identificar las 10 principales causas de defunción en la población infantil de los estados de Coahuila y Chihuahua, México.

  Abstract
  En este artículo se presenta una metodología basada en la Ciencia de Datos que proporciona herramientas estadísticas y computacionales para llevar a cabo [...]

  • 54
  •  read

• Clúster de PCs tipo Beowulf Utilizado en un Problema de Segmentación de Imágenes Médicas

  J. Fraga Almanza, C. García, R. Ramírez

  SMCCA (2020). 3

  
  

  Abstract

  En este trabajo se muestran las etapas principales de la implantación de un Clúster tipo Beowulf, en la Facultad de Ciencias Físico Matemáticas de la Universidad Autónoma de Coahuila. En éste se implementó el algoritmo de agrupamiento de datos K-Means, con la finalidad de distribuir (no de paralelizar) el proceso de clasificación de píxeles en las imágenes. También se realizó un preprocesamiento para la selección de los centroides iniciales requeridos por el algoritmo para una mejor segmentación de imágenes, que como se mostrará logra mejores resultados para el análisis de imágenes digitales médicas, como la segmentación de las mamografías que buscan microcalcificaciones dentro de la mama, que las obtenidas al implantarse de forma secuencial.

  Abstract
  En este trabajo se muestran las etapas principales de la implantación de un Clúster tipo Beowulf, en la Facultad de Ciencias Físico Matemáticas [...]

  • 171
  •  read