Doctorado en Ingeniería - Sistemas y Computación

URI permanente para esta colecciónhttps://repositorio.unal.edu.co/handle/unal/81871

Examinar

Mostrando 1 - 20 de 48

An approach for automatization of traceability among BPMN model activities and their execution links
(Universidad Nacional de Colombia, 2025-06-18) Vega Márquez, Olga Lucero; Duarte, Helga; https://scholar.google.com/scholar_settings?hl=en; Vega-Márquez, Olga Lucero [0000-0003-2164-4801]; Chavarriaga, Jaime Alberto; Alba, Mauricio Fernando; Gómez, Paola; Cortes-Cornax, Mario; https://www.researchgate.net/profile/Olga-Vega-Marquez; Colectivo de Investigación en Ingeniería de Software Colswe; Vega-Márquez, Olga Lucero [57211019478]
In the contemporary business landscape, organizations must respond swiftly to evolving market demands. Business Process Management (BPM) has become a key strategy to improve and orchestrate business processes (BP), often relying on BPM systems (BPMs) to integrate various software systems and data sources. However, BP-based software evolves continuously, posing challenges in maintaining consistency between Business Process Model and Notation (BPMN) models and external supporting software. This research proposes a traceability approach that automates tracing BPMN activities to their execution links in the source code of external systems. The goal is to reduce the effort and improve the accuracy of identifying and implementing changes in BP-based software. Following a Design Science Research (DSR) methodology, the research identifies gaps through a systematic mapping review, revealing a lack of effective traceability methods connecting BPMN models with source code. A laboratory case study was developed to simulate a BP-based software environment. The proposed approach addresses three concerns: strategizing, creation and evolution of links, and usage. Tools were developed, including a plugin for the Camunda Modeler to manage traceability within BPMN, and Java annotations to mark integration points in the external software. An empirical study compared performance with and without the traceability tools. Results showed a significant reduction in effort and increased precision in evolution tasks. These findings support the value of traceability in facilitating BP-based software evolution. In conclusion, this research contributes a systematic framework and toolset to enhance software engineering practices for BPM-driven systems, with promising implications for organizations managing complex business processes.
Computer-assisted strategies for supporting endoscopic diagnosis of digestive system cancer
(Universidad Nacional de Colombia, 2025) Ruano Balseca, Josué André; Romero Castro, Eduardo; https://scholar.google.com/citations?user=4_DTaBgAAAAJ&hl=es; https://www.researchgate.net/profile/Josue-Ruano; Cim@Lab
El cáncer en el sistema digestivo representó alrededor del 35% de las muertes por cáncer a nivel mundial en 2020, con el cáncer colorrectal, de estómago y de páncreas ocupando el segundo, sexto y séptimo lugar en las tasas de mortalidad, respectivamente. La endoscopia (EN) sigue siendo la herramienta más útil para el tamizaje y diagnóstico de este cáncer. Los gastroenterólogos se enfrentan al reto de reconocer los patrones de la enfermedad durante los procedimientos de EN observando 12.000 fotogramas en aproximadamente 7 minutos, luego, toman decisiones diagnósticas inmediatas de acuerdo con sus hallazgos visuales durante extensas horas de trabajo. Esta tarea tan exigente ha dado lugar a una elevada tasa de lesiones mal diagnosticadas durante estos procedimientos, por ejemplo, el 11,3% de las lesiones no se detectan en el estómago, entre el 22% y el 28% en el colon y entre el 13% y el 20% en el páncreas. Las estrategias asistidas por computador basadas en inteligencia artificial permiten analizar grandes volúmenes de datos médicos no estructurados, especialmente en una unidad de gastroenterología, donde la información captada durante los procedimientos de EN supera la capacidad humana de análisis. Por lo tanto, estas estrategias pueden servir de apoyo a los procedimientos de EN como segundos lectores o mejorar la interpretación de imágenes o vídeos, sin que les afecte la condición humana de fatiga, y probablemente ayuden a mejorar el diagnóstico del cáncer. Sin embargo, el desarrollo de estrategias asistidas por computador es extremadamente difícil porque los patrones visuales de la enfermedad pueden confundirse fácilmente con los patrones sanos y están contaminados por múltiples fuentes de ruido. Las variaciones espaciales y temporales de estos patrones proceden de la variabilidad de tejido sano o patológico y de las múltiples perspectivas de cámara captadas durante la navegación EN. Esta tesis presenta el desarrollo y la evaluación de representaciones multiescala o jerárquicas que capturan dichas variaciones espaciales y temporales de los patrones patológicos o normales en los procedimientos de EN. En esta tesis se abordan cuatro problemas desafiantes para apoyar el diagnóstico del cáncer en el sistema digestivo: la exploración de representaciones multiescala de la pared del colon para localizar lesiones premalignas en colonoscopia (CO), la detección de lesiones malignas pancreáticas con una caracterización multiescala de eco patrones en EN de ultrasonido, el aprendizaje de la profundidad del colon con una estrategia de aprendizaje de currículo para estimar el tamaño de las lesiones en CO, y una caracterización espacio-temporal de la distensibilidad gástrica durante la EN superior que puede asociarse a condiciones patológicas, como la infección por Helicobacter pylori. Además, se construyeron y publicaron dos colecciones sintéticas, una para procedimientos de CO y otra para procedimientos de EN superior, así como una colección de vídeos de EN por ultrasonido, para entrenar y probar los métodos aquí presentados. Además, estas colecciones pueden servir como herramientas de formación para practicantes de gastroenterología (Texto tomado de la fuente).
Modelado y optimización del manejo silvicultural de la producción de madera de la especie Gmelina arborea Roxb. en Colombia mediante el uso de técnicas de inteligencia computacional
(Universidad Nacional de Colombia, 2023) Alonso Tunjano, Jairo; Hernández Pérez, Germán Jairo; Alonso Tunjano, Jairo [0001249444]; Alonso Tunjano, Jairo [0000000241678892]; Algoritmos y Combinatoria (Algos-Un)
Modelado y Optimización del Manejo Silvicultural de la Producción de Madera de la Especie Gmelina arborea Roxb. en Colombia Mediante el uso de Técnicas de Inteligencia Computacional. La importancia de los bosques del mundo radica en que, junto con los océanos, son los mayores sumideros de carbono, fundamentales para mitigar el cambio climático. A pesar de su importancia, la deforestación ha reducido esta superficie forestal colocando en riesgo inminente el deterioro del medio ambiente y los beneficios obtenidos por los servicios ecosistémicos. Desde 1990 hasta 2020, se estima que se han perdido 420 millones de hectáreas de bosques en todo el mundo (FAO, 2020a). De acuerdo a la información presentada por el DANE (2021), la producción de madera de las plantaciones forestales en nuestro país es insuficiente para cubrir las necesidades internas de esta materia prima, trayendo como consecuencia la tala indiscriminada de los bosques nativos. Colombia es un país con alto potencial forestal y específicamente en el departamento del Tolima, se necesita incentivar el sector para aumentar el establecimiento de nuevas plantaciones forestales y dotar al sector con herramientas tecnológicas de toma de decisiones que disminuyan la incertidumbre y atraigan la inversión. La planeación para el establecimiento de una plantación forestal, debe contar con una herramienta de modelado de crecimiento y rendimiento que permita estimar la producción de madera al final de la cosecha. El mayor inconveniente que se tiene en el modelado, se debe a la intervención de los raleos, que incorporan una gran perturbación, no lineal, al sistema. Como una alternativa en el modelado del crecimiento y rendimiento de las plantaciones y que incluya la no linealidad que genera la intervención de raleos, esta investigación tiene como objetivo el uso de herramientas de inteligencia computacional con miras a encontrar las mejores políticas de tiempo e intensidad de raleos, apoyado a la vez, con el modelado del crecimiento y la simulación del rendimiento de las plantaciones forestales, teniendo en cuenta las perturbaciones que recibe el sistema con ésta práctica silvícola y que incide directamente en la producción. El estudio se realizó con base en la información de 5 mediciones de campo sobre 31 parcelas permanentes establecidas en plantaciones de la especie Gmelina arborea Roxb., ubicadas en las zonas de Bosque seco tropical del departamento del Tolima. La especie Gmelina arborea Roxb., es una especie asiática introducida en Colombia, siendo las características más importantes su rápido crecimiento y su adaptación a diferentes condiciones climáticas y de suelo de los bosques secos tropicales, manteniendo excelentes condiciones de resistencia que la hace una especie promisoria (Iwuoha et al., 2021). En general, la planificación del crecimiento y rendimiento de las plantaciones forestales se basa en modelos alométricos y poco se han utilizado las herramientas de la inteligencia computacional. Para el manejo de densidad, se planifican los tiempos e intensidad de los raleos, a través de Diagramas de Manejo de Densidad que se construyen a partir de ensayos en campo sobre parcelas permanentes, con diferentes tratamientos (periodos e intensidad de raleos), que suelen durar el mismo tiempo, en años, que los periodos de aprovechamiento de la especie. En el marco de referencia se evidenció que los modelos alométricos utilizados para el crecimiento y rendimiento de las plantaciones, no contemplan los cambios en el número de competidores, indispensable para la simulación del comportamiento del árbol y del rodal frente a los raleos. La metodología propuesta logra conseguir sus objetivos planteados, al utilizar las principales herramientas del aprendizaje automático como son: una Red Neuronal Artificial como modelo de crecimiento del árbol individual, donde se tiene en cuenta el índice de competencia; la simulación del crecimiento del rodal mediante una red de autómatas celulares que simula la interacción de cada árbol con sus vecinos. Y, finalmente un Algoritmo Genético que encuentra la mejor política de tiempos e intensidad de las prácticas de raleo, con miras a obtener el mayor volumen de madera al momento del aprovechamiento final. (Texto tomado de la fuente)
Regression and multimodal learning to aid diagnosis in ophthalmology and histopathology
(Universidad Nacional de Colombia, 2023) Toledo Cortés, Santiago; González Osorio, Fabio Augusto; 0001449836; https://scholar.google.com/citations?user=M7l6jx4AAAAJ&hl=en; 0000-0003-4172-9263; https://www.researchgate.net/profile/Santiago-Toledo-Cortes-2; Mindlab; 57207843310
The main contribution of this thesis is the development of probabilistic machine learning models to support disease diagnosis from medical data sources. We show how a probabilistic approach offers great versatility in exploiting all available information about the target task. Based on the mathematical formalism of quantum mechanics, we develop and apply machine learning models that allow us to handle the flow of information using density matrices in different ways. We develop mechanisms that can naturally encode not only categorical but also ordinal information, and can also merge different data modalities. Furthermore, we show that the proposed models are naturally interpretable, which allows and facilitates their use in sensitive domains such as health applications. In particular, our models are tested in the diagnosis of several eye diseases and prostate cancer. First, we show the effectiveness and benefit of using regression models in the diagnosis of eye diseases of genetic origin. We then demonstrate the importance of including disease grading information and performing discrete regression to improve the performance of the binary diagnosis of diabetic retinopathy and prostate cancer. We show that a probabilistic interpretation of the results provides information on the uncertainty of the models, which can also be used in training processes. Finally, the proposed framework allows us to encode information using kernel functions, which in turn allows us to naturally introduce flexible information fusion mechanisms and thus to address multimodal tasks. Overall, we show that incorporating ordinal and multimodal information using probabilistic kernel-based frameworks allows learning better data representations, which improves the performance of the models and provides them with a higher level of interpretability.
Design of Fault Tolerant Embedded Systems using Approximate Computing Techniques.
(Universidad Nacional de Colombia, 2023-11-08) Aponte Moreno, John Alexander; Restrepo Calle, Felipe; Pedraza Bonilla, Cesar Augusto; Aponte Moreno, Alexander[0001095072]; Aponte Moreno, Alexander[9kAWQNMAAAAJ]; Aponte Moreno, Alexander[0000-0002-4569-0733]; Plas Programming languages And Systems; Aponte Moreno, Alexander[57203206767]
Due to technological scaling, the susceptibility of modern systems to radiation effects has been steadily increasing. Consequently, it has become essential to protect systems against such faults. While these faults, referred to as soft errors, can be transient rather than permanent, they can disrupt system behavior, leading to malfunctions or crashes in electronic systems. Researchers have proposed fault tolerance techniques encompassing various approaches to address this problem. These techniques range from modifying chip materials and manufacturing processes to alternative design-level solutions. Such design-level alternatives include mitigation approaches based on hardware, software, or a combination of both, commonly known as hybrid methods. However, many of these techniques rely on redundancy, which imposes significant computational overhead. To address this challenge, Approximate Computing (AC) techniques have gained attention as an alternative to reduce the overhead associated with transient faults mitigation. These proposals have demonstrated that AC can improve efficiency by balancing fault coverage, overheads, and result accuracy. However, most of these proposals focus primarily on the circuit level, requiring physical modifications to the system or specific implementation requirements tailored to particular solutions. In this thesis, we present FTxAC, a novel strategy for designing radiation-induced fault-tolerant embedded systems that aims to reduce overheads. This strategy involves the use of approximate computing techniques in conjunction with radiation-induced fault mitigation strategies. FTxAC exhibits flexibility to incorporate various AC techniques and fault mitigation strategies. The proposed method has been thoroughly validated, considering reliability, result precision, and overheads. Fault injection experiments were conducted on four case studies encompassing various AC techniques and fault tolerance strategies. The results of these tests confirm the effectiveness of the presented design strategy. The improvements achieved in the approximation stage compensate for the overheads incurred in the hardening process. (Texto tomado de la fuente)
Pathologically driven radiomic markers for advanced characterization of disease phenotype and response on radiographic imaging
(Universidad Nacional de Colombia, 2023-08-31) Alvarez Jimenez, Charlems; Romero Castro, Eduardo; Viswanath, Satish E.; Alvarez-Jimenez, Charlems [0001497469]; Alvarez-Jimenez, Charlems [tbZ5qg4AAAAJ&hl]; Alvarez-Jimenez, Charlems [0000-0001-7100-6387]; Alvarez-Jimenez, Charlems [Charlems-Alvarez-Jimenez]; Cim@Lab; Alvarez-Jimenez, Charlems [55977833600]
Medical diagnosis is essential to provide patients with the more adequate healthcare management and define how any planned treatment shall be conducted. For years, the method to construct medical knowledge, determine diagnoses, planning and evaluating treatment has been driven by a variable combination of intuition, systematic clinical experience and physiopathologic rationale. This scenario causes a patient is exposed to unnecessary medications or surgical interventions. Therefore, clinical decisions must be supported by evidence rather than expert beliefs or intuition, which translates into biomarkers coming from gene expression, serum levels, or imaging patterns. Among available information sources, medical imaging provides structural and functional information of the day-to-day disease evolution, being radiology and pathology the most widely used. Interpreting or integrating imaging observations with diagnosis, prognosis, or treatment reasoning is performed by a set of physician learned skills. However, not all information is easily available, particularly images may contain information that is not visually observable by an expert, but probably useful in the chain of medical processes and definitely not integrated within most clinical scenarios. Recently, the computerized-extraction of more advanced features from radiographic (radiomics) and histopathology (pathomics) images, has enabled improved disease characterization compared to visual inspection alone. On one hand, most of the radiomic analyses limited the amount of information to be captured by only looking at appearance. It is therefore essential to capture specific aspects of disease phenotype, it is important to capture advanced geometric patterns, and it is crucial to integrate different types of imaging descriptors. On the other hand, the complementarity between radiology and histopathology, which enriches comprehensive disease characterization, is in many cases lost because quantitative analyses of these modalities are usually performed in disconnected silos. Therefore, it is also important to leverage pathomics to drive radiomic features and determine associations between them. In this dissertation, we present the development and evaluation of pathologically driven radiomic descriptors for disease phenotype as well as treatment response on radiographic imaging, towards addressing specific challenges. We investigate the utility of these descriptors for addressing four challenging clinical problems: evaluating treatment response in rectal cancers, identifying anatomical brain regions associated with autism spectrum disorders in early stages, identifying prostate areas with high probability of containing cancer, and identifying pathomic features that potentially reflect the tissue composition basis of radiomic descriptors towards improving the ability to discriminate the two main non-small cell lung cancers. For some clinical applications, we further assess the reproducibility of these features in a multi-site setting. (Texto tomado de la fuente)
Efficient Non-Parametric Neural Density Estimation and Its Application to Outlier and Anomaly Detection
(Universidad Nacional de Colombia, 2023-10-05) Gallego-Mejia, Joseph A.; González, Fabio A.; https://scholar.google.cl/citations?user=DS0IfX4AAAAJ&hl=es&oi=ao; Gallego-Mejia, Joseph A. [0000-0001-8971-4998]; https://www.researchgate.net/profile/Joseph-Gallego-Mejia; Mindlab
The main goal of this thesis is to propose efficient non-parametric density estimation methods that can be integrated with deep learning architectures, for instance, convolutional neural networks and transformers. A recent approach to non-parametric density estimation is neural density estimation. One advantage of these methods is that they can be integrated with deep learning architectures and trained using gradient descent. Most of these methods are based on neural network implementations of normalizing flows which transform an original simpler distribution to a more complex one. The approach of this thesis is based on a different idea that combines random Fourier features with density matrices to estimate the underlying distribution function. The method can be seen as an approximation of the popular kernel density estimation method but without the inherent computational cost. Density estimation methods can be applied to different problems in statistics and machine learning. They may be used to solve tasks such as anomaly detection, generative models, semi-supervised learning, compression, text-to-speech, among others. This thesis explores the application of the method in anomaly and outlier detection tasks such as medical anomaly detection, fraud detection, video surveillance, time series anomaly detection, industrial damage detection, among others. (Texto tomado de la fuente)
A computational model for interpretable visual category discovery of foliar shapes
(Universidad Nacional de Colombia, 2023-08-22) Victorino Guzmán, Jorge Enrique; Gómez Jaramillo, Francisco Albeiro; Victorino, Jorge; Victorino, Jorge; Victorino, Jorge [0000-0003-3331-4340]; COMBIOS
Los estudios de descripción morfológica de hojas son complejos en la medida que requieren de personal altamente entrenado y de la consulta de una gran cantidad de documentación disponible como i.e., sistemas de categorías visuales en manuales botánicos, libros, bases de datos en línea, herbarios, inclusive contrastar hallazgos con otros expertos. Por tanto, estos estudios demandan una inversión significativa de recursos y tienen una alta carga de trabajo manual. Por otro lado, la cantidad de botánicos disponibles y en formación no logra suplir las necesidades actuales de la creciente cantidad de informaci\'on foliar resultante de la automatización y la creciente complejidad de las preguntas de investigación. En este escenario se requieren procesos computacionales automáticos que proveen una descripción morfológica cualitativa y cuantitativa que alivian en gran medida la carga de trabajo de los expertos. La dificultad de usar enfoques automáticos en análisis morfológicos se materializa si hace falta alguna de estas funcionalidades: 1. extraer los rasgos relevantes de la forma para que puedan analizarse por separado, 2. producir categorías robustas que emergen de la representaci\'on de cada rasgo, y 3. capacidad de explicación de las categorías en el contexto del problema biológico. En este trabajo se propone una estrategia computacional para el descubrimiento de categorías de formas de hojas que ayuda a automatizar estas funcionalidades clave. Primero, un algoritmo extrae cada rasgo y lo representa de manera adecuada (contractiva) en un espacio de características (morfoespacio) específico. Luego, la muestra proyectada en el morfoespacio es analizada y organizada bajo los conceptos de vecindad, cohesión y persistencia. Este método realiza un análisis del n\'umero de grupos para todos los tama\~nos vecindad y escoge la cantidad de grupos óptima, en otras palabras, las categorías. Este sistema de categorías tiene la propiedad de explicar el fenómeno subyacente de manera cualitativa y cuantitativa. De esta forma, durante el análisis de vecindad surge el dendrograma de la categorizaci\'on. La interpretación de los resultados est\'a dada por el morfoespacio y por el dendrograma. La efectividad del enfoque propuesto se eval\'ua frente a sistemas de categorías establecidos por expertos. Los resultados evidencian que el enfoque puede producir categorizaciones razonables similares a lo reportado en el manual de Hickey. Este enfoque permitirá a los biólogos hacer descripciones cualitativas y cuantitativas de la morfología útiles en estudios de variabilidad morfológica, taxonomía, plasticidad, adaptación y ecología. (Texto tomado de la fuente)
Road accident forecast by using predictive modeling techniques
(Universidad Nacional de Colombia, 2023-08-29) Gutierrez Osorio, Camilo Albeiro; Pedraza Bonilla, César Augusto; González Osorio, Fabio Augusto; https://scholar.google.com/citations?user=E4ICanMAAAAJ&hl=en; https://orcid.org/0000-0002-9113-1369; https://www.researchgate.net/profile/Camilo-Gutierrez-Osorio; Plas Programming languages And Systems; https://www.scopus.com/authid/detail.uri?authorId=57209267130
Los accidentes de tránsito son una gran preocupación a nivel mundial, ya que tienen un impacto significativo en la seguridad, la salud y el bienestar de las personas, por lo que constituyen un importante campo de investigación sobre el uso de técnicas y algoritmos de última generación para analizarlos y predecirlos. El estudio de los accidentes de tráfico se ha realizado a partir de la información publicada por las entidades de tráfico, pero gracias a la ubicuidad y disponibilidad de las redes sociales es posible disponer de información detallada y en tiempo real de los accidentes de tráfico, lo que permite realizar estudios detallados que incluyen eventos de accidentalidad vial no registrados. El objetivo de esta tesis es proponer un modelo predictivo para estimar la probabilidad de accidentes de tránsito en un área determinada mediante la integración de información proveniente de entidades oficiales y redes sociales relacionadas con accidentes viales y eventos de infraestructura vial. El modelo diseñado fue un modelo de aprendizaje profundo, compuesto por unidades recurrentes cerradas y redes neuronales convolucionales. Los resultados obtenidos se compararon con resultados publicados por otros investigadores y muestran resultados prometedores, lo que indica que, en el contexto del problema, el modelo de aprendizaje profundo propuesto supera a otros modelos de aprendizaje profundo disponibles en la literatura. La información proporcionada por el modelo puede ser valiosa para que las agencias de control de tráfico planifiquen actividades de prevención de accidentes de tráfico. (Texto tomado de la fuente)
Computational strategies to characterize topological properties of pathologically altered functional brain networks
(Universidad Nacional de Colombia, 2022) Martínez Riaño, Darwin Eduardo; Gómez Jaramillo, Francisco Albeiro; González Osorio, Fabio Augusto; https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000658820; https://scholar.google.com/citations?user=LaWlhYUAAAAJ; 0000000294862781; https://www.researchgate.net/profile/Darwin-Martinez-2; Combios
Consciousness alterations, including disorders of consciousness (DOC), propose a defiant scenario from the prognosis and diagnosis perspectives. Brain resting-state functional imaging mitigates this challenge, offering alternatives to explore brain activity in altered consciousness states. Furthermore, connectivity functional variations in resting have been linked with consciousness alterations. So, considering the evidence of connectivity alterations in altered consciousness states, this thesis inquires new computational approximations to describe topological characteristics associated with the resting-state connectivity in altered states of consciousness. This work introduces two computational strategies for the characterization of topological features underlying the graph representation model. The first strategy describes graph connectivity properties of the so-called functional connectome, linking its alterations to the patients' level of consciousness. Despite the capacity characterization of this approach, it is limited only to describe pair-wise interactions, which is the base of the graph model. The second strategy characterizes both low and high-order connectivity properties from the topological perspective using Persistent Homology (PH), resulting in a richer representation of the brain functional interactions. These properties include the number of holes (0 and 1 dimensions) emerging in the resting-state dynamic across different scales. This strategy was investigated in healthy control (HC) subjects and later extended to patients with altered states of consciousness. The first strategy (graph-based) suggests variations in critical properties related to consciousness, such as integration, segregation, and centrality, when comparing HC and patients with DOC. In HC, the second strategy (PH-based) provided evidence of persistent 1-dimensional holes, indicating that resting-state connectivity exhibits high-order interactions. Results also suggest that brain regions associated with the appearance of these 1-holes have a marked symmetry in both cerebral hemispheres. In patients with altered states of consciousness, results related to 0-dimensional holes indicate dissimilarities among the time courses, likely linking to particular integration mechanisms in these conditions. Additionally, 1-dimensional holes were also identified in the pathological population. However, brain regions involved in the appearance of these features differed from the ones observed for HC. In particular, no symmetry was observed. These results shows topological changes in the functional connectome of patients with altered states of consciousness, suggesting that high-order functional interaction mechanisms may play an important role in the emergence of consciousness in patients with DOC. (Texto tomado de la fuente)
Goal modeling for the strategic alignment of business and IT
(Universidad Nacional de Colombia, 2022-06) Torres Moreno, Miguel Eduardo; Aponte Melo, Jairo Hernán; Colectivo de Investigación en Ingeniería de Software Colswe
La brecha entre el desarrollo y el análisis de las estrategias de negocio y de TI, en la práctica y la literatura, afecta la forma en que TI usa las estrategias para definir y priorizar los recursos para proyectos, iniciativas y operaciones de TI. Cerrar esta brecha ayuda a respaldar mejor los desarrollos futuros, los cambios en la operación y los nuevos proyectos e iniciativas dentro de las unidades de negocio y de TI, asegurando una base analítica para la toma de decisiones. Presentamos un modelo de gestión de objetivos de negocio/TI/requisitos tempranos que admite i) la priorización y definición de requisitos relacionados con las estrategias de negocio y de TI, ii) analizar cómo estos requisitos se pueden asociar con sistemas nuevos y antiguos, y iii) la operación de TI/SI. El modelo y el proceso propuestos permiten construir un modelo de metas estratégicas de negocio y TI/SI que se puede analizar y aplicar en el gobierno de TI para respaldar la alineación funcional de negocio/TI. El modelo se construyó mientras se realizaba un estudio de caso en una universidad colombiana aplicando Design Science Research. Posteriormente, el modelo se evaluó utilizando métodos cualitativos y cuantitativos, con expertos dentro de la organización del estudio de caso y profesionales externos de la academia y la industria. Los resultados de la evaluación indican que el modelo es útil dentro del contexto deseado. Los entrevistados también destacan que el modelo facilita un mejor proceso de toma de decisiones basado en parámetros e indicadores que son difíciles de negociar con las partes interesadas. Tal característica es de suma importancia para los estrategas. Finalmente, señalan que el modelo mejora la gestión de la estrategia y podría impactar positivamente en las estrategias tácticas y operativas. (Texto tomado de la fuente)
Computational anatomy strategies for characterization of brain patterns associated with Alzheimer's disease
(Universidad Nacional de Colombia, 2022) Giraldo Franco, Diana Lorena; Romero Castro, Eduardo; Sijbers, Jan; Jeurissen, Ben; Cim@Lab
La enfermedad de Alzheimer (EA) es una de las fallas sistemáticas del sistema nervioso más complejas que se conocen. Los síntomas clínicos de esta enfermedad neurodegenerativa son alteraciones de la cognición y el comportamiento que pueden conducir a la aparición de un síndrome de demencia. Los mecanismos de la enfermedad que conducen a la neurodegeneración y al deterioro cognitivo en la EA aún no se conocen bien, lo que dificulta la predicción de la evolución clínica de los pacientes en las primeras fases de la EA. Actualmente, ningún biomarcador o examen es suficiente para diagnosticar la EA y los instrumentos estándar existentes no son lo suficientemente sensibles para detectar cambios sutiles, predecir el curso clínico o reconocer presentaciones atípicas de EA. Esta tesis presenta dos estrategias de anatomía computacional destinadas a identificar y cuantificar los patrones de neurodegeneración asociados a diferentes etapas clínicas a lo largo del continuo de la EA utilizando dos modalidades diferentes de imágenes de resonancia magnética. Una tercera contribución consiste en una estrategia guiada por datos para desarrollar un conjunto de puntajes específicas por dominio que resultan útiles para estimar el riesgo y predecir la progresión del deterioro cognitivo leve a la demencia. La evaluación de estas estrategias con métodos de aprendizaje automático y de inferencia estadística demuestra el potencial de las herramientas cuantitativas propuestas para ayudar al manejo y el seguimiento clínico de los pacientes y podría utilizarse para mejorar la evaluación de posibles intervenciones que puedan modificar el curso de la enfermedad. (Texto tomado de la fuente)
Planning under uncertainty using a dynamical systems approach for autonomous vehicles
(Universidad Nacional de Colombia, 2022-03) Bayuelo Sierra, Alfredo José; Niño Vásquez, Luis Fernando; Bobadilla, Jaime Leonardo; laboratorio de Investigación en Sistemas Inteligentes Lisi
La planeación del movimiento para sistemas robóticos (o simplemente robots, o vehículos) es un problema bastante bien estudiado. Resultados significativos se han obtenido en la literatura y se han llevado a la práctica en la industria y otros usos comerciales. Sin embargo, altos costos computacionales y simplificaciones hechas en la formulación de los problemas presentan retos abiertos y oportunidades de investigación. Este trabajo presenta estrategias para ayudar en la solución del problema de navegación, y otros relacionados, en cuatro escenarios: Cuando no se conoce el Modelo que describe el vehículo, No se conoce la posición ni orientación del vehículo, no se conoce el Mapa del lugar, Y cuando no se conoce la intención (aliado/adversario) de otros robots en el ambiente. Primero, se presenta una estrategia que usa ambientes simulados realísticos para superar la falta de modelo del vehículo o las dificulatades que conlleven su cálculo. Los ambientes simulados se han beneficiado de las mejoras en los sistemas computarizados de la última década; por ejempo, los juegos de computadora han progresivamente mostrado ambientes más y más realistas, y estos han sido ya usados para entrenar robots al mostrarle a los sensores del robot esta información como cierta, de tal forma que se logra que los robots aprendan de secuencias del juego, de esta misma forma, en este trabajo se usan los simuladores para ayudar a resolver el problema de la navegación. También se presenta un esquema de planeación basado en la retro alimentación para un sencillo robot que rebota, mostrando cómo dicho robot puede navegar ambientes complejos sin saber su posición en todo momento. Por supuesto el mapa debe ser conocido para crear tal esquema de planeación, cuando no se conoce el mapa, la estrategia conocida como Localización y Mapeo Simultaneos, puede usarse para determinar el mapa alrededor y encontrarse en el mismo. Finalmente, cuando se consideran robots más simples, puede llegar a ser necesario usar más de un robot para cumplir una tarea, y puede que en el ambiente hayan robots adversarios, por lo tanto, se presenta una estrategia que permite comunicarse para evitar colisiones que mantiene la privacidad al mismo tiempo. (Texto tomado de la fuente)
Modelo para la evaluación multicriterio de tecnologías en salud
(Universidad Nacional de Colombia, 2021) Moreno Calderón, Jairo Alexander; Niño Vásquez, Luis Fernando; LABORATORIO DE INVESTIGACIÓN EN SISTEMAS INTELIGENTES - LISI
Desde una perspectiva de salud pública, el enfoque multicriterio en las evaluaciones de tecnologías en salud (ETES) ha permitido incorporar atributos adicionales a la efectividad y al costo para establecer el beneficio para el sistema, a la hora de adquirir una nueva tecnología en salud. Sin embargo, no hay consenso acerca de una metodología multicriterio que apoye esta toma de decisiones en los sistemas de salud. Objetivo: desarrollar un modelo de ETES, basado en métodos de análisis de decisión multicriterio (MCDA), para la priorización de tecnologías desde una perspectiva gubernamental. Métodos: primero, se realizó una búsqueda sistemática de la literatura de criterios de decisión, que permitió la identificación, clasificación y evaluación de su importancia; segundo, fueron definidos los componentes que enmarcan el modelo propuesto; tercero, se implementó la propuesta en un prototipo computacional; finalmente, fue replicado un ejercicio de priorización de tecnologías desarrollado por el Ministerio de Salud de Colombia. Resultados: Los criterios de decisión con mayor importancia en los estudios hallados fueron: la efectividad comparativa, la severidad de la enfermedad y el tamaño de la población afectada. El modelo propuesto permite la selección entre cuatro métodos MCDA, hace posible la cuantificación del impacto de la incertidumbre y la asignación de un presupuesto por medio de un algoritmo de optimización; fue implementado por medio de una aplicación web alojada en el dominio https://www.mcda-lab.com/. En cuanto al caso de estudio, la teoría multi atributo de valor fue el método con mejor rendimiento y los resultados se correlacionaron con el proceso de priorización previo. Conclusiones: Los hallazgos de este estudio pueden orientar a los responsables de la toma de decisiones en salud en la adopción de una metodología estructurada, transparente y adaptable para la evaluación de tecnologías de salud.
A deep learning question answering method over mixed closed domain information sources
(Universidad Nacional de Colombia, 2021-05-25) Rosso Mateus, Andrés Enrique; González Osorio, Fabio Augusto; Montes-y-Gómez, Manuel; MindLab
Question Answering (QA) is an active research area due to its usefulness in accessing the ever increasing amount of data. Information needs have led to the emergence of new information retrieval paradigms in which the user can easily access accurate information. QA methods allow to solve queries submitted by the user in natural language concisely and effectively, reducing the need for manual validation of large documents. In closed domains, such the biomedical one, these methods are relevant due to the large amount of specialized documents that make difficult the task of finding specific information as well as the usefulness of this information to support practice and research. In this research work, passage retrieval, which is often the final step in a question-answer system, was particularly addressed. This task evaluates the text fragments that make up the documents that may contain the answer to the question submitted by the user. This evaluation carries out semantic and sometimes syntactic checks that allow to deduce if the text passage is a valid answer, to finally return a ranked list of passages that have a higher probability of being an answer. In a closed domain, such as the biomedical domain, passage retrieval is particularly challenging due to the complexity of biomedical terminology and the heterogeneity of information sources. These challenges, along with others that will be detailed throughout the document, make it necessary to use other sources of information, such as semantic ones, which, when used in combination with textual sources, help to manage the complexity of language. On the other hand, the use of deep learning in this field has great interest and recently it has become increasingly popular as an important tool to solve the task of passage retrieval, however there are very few methods that merge the different modalities of information that in a domain like biomedicine offer obvious advantages. In this research work, different deep learning techniques were explored. In addition, several methods of information fusion were evaluated to take advantage of the complementarity of the modalities. The proposed methods were systematically evaluated in different open and closed domain data sets. Particularly in the biomedical domain the results were outstanding, surpassing the state of the art and demonstrating their effectiveness in the biggest global challenge for this particular task, BioASQ.
Detección de emulación de usuario primario con localización dinámica en la red de radio cognitiva móvil mediante diseño cross-layer
(2020) Cadena Muñoz, Ernesto; Páez Parra, Ingrid Patricia; TLÖN - Grupo de Investigación en Redes de Telecomunicaciones Dinámicas y Lenguajes de Programación Distribuidos
In the design of Cognitive Radio Mobile Networks, the detection of attacks such as primary user emulation is essential as it avoids secondary users interfering with primary users of the cellular mobile network. In addition, it allows a primary user to be distinguished from a primary user emulator attacker, considering that the mobile cognitive radio user makes use of dynamic spectrum allocation and performs variable frequency hopping over time, which makes it vulnerable to attack. The research problem consists in establishing a model that allows obtaining information from different layers of the network to detect the primary user emulation attack in Cognitive Radio Mobile Networks where the attacking user has a dynamic location, whose received power is variable with the change of position and its objectives can be to transmit in the primary frequency or generate noise to prevent transmission from other users. On the other hand, detection systems have been developed for attackers with a static location whose power and position are fixed, and for the mobile cellular network users are in motion. In this research work, the cross-layer design is used to detect the primary user emulation attack with a static and dynamic location in Cognitive Radio Mobile Networks, through the study of the characteristics of the signal and its behavior over time and frequency. The model design integrates techniques such as energy detection, entropy, trilateration for location, and application-level information in the sensors to differentiate the attacker from a primary user. A real-case test of the model is performed on software-defined radio devices, allowing a comparison between theory, simulation, and practical results. Results found in the real case test with software-defined radio equipment allowed proving the applicability of the detection model in Cognitive Radio Mobile Networks. The results show that by using the crosslayer design, a technique for PUE detection is generated for static and dynamic cases that allows an exchange of information between the layers combining the energy detection technique that has PUE detection results over 93%, the detection technique by location that allows detecting the user's movement, with 97% of effectiveness using RSSI and trilateration with the least squares technique, the entropy detection technique that improves results by 8dB for low SNR signals as it is less sensitive to noise and the application technique that using information from the application layer extracted from primary users, allows the short name and operator data to be compared with the PUE, achieving 100% of PUE detection. These techniques were implemented in SDR equipment, using GNURadio and OpenBTS as base software.
Design of a multiport frequency reconfigurable antenna suitable for IMT-advanced communications systems
(2018-12-07) Ramírez Arroyave, Germán Augusto; Araque Quijano, Javier Leonardo; Grupo de Investigación en Electrónica de Alta Frecuencia y Telecomunicaciones (CMUN)
This thesis tackles the design, manufacture and validation of multi-port and frequency reconfigurable antennas intended for advanced communications applications. The main accomplishments of this thesis are: Extension of the AMDSR© optimize package to efficiently deal with multiobjective and 3D structures. Broadband and nonlinear switch characterization. Study of novel planar multi-port antennas. Manufacturing of 3D antennas involving validation of a low cost material characterization technique at RF frequencies, techniques to control dielectric permittivity of 3D printed materials, and validation of alternatives for manufacturing 3D antennas. Design, validation, and manufacturing of a 3D pixellated antenna concept. Calculation of the currents on the switches of a parasitic layer antenna, design of a broadband antenna based on parasitic layer concept, development of a low complexity beam-steerable sub-array for millimeter waves, non-linear characterization of a parasitic layer based antenna element. Implementation of software defined radio based tests for antenna validation.
Deep learning analysis of eye fundus images to support medical diagnosis
(2020-06-30) Perdomo Charry, Oscar Julián; González, Fabio A.; MindLab
Machine learning techniques have been successfully applied to support medical decision making of cancer, heart diseases and degenerative diseases of the brain. In particular, deep learning methods have been used for early detection of abnormalities in the eye that could improve the diagnosis of different ocular diseases, especially in developing countries, where there are major limitations to access to specialized medical treatment. However, the early detection of clinical signs such as blood vessel, optic disc alterations, exudates, hemorrhages, drusen, and microaneurysms presents three main challenges: the ocular images can be affected by noise artifact, the features of the clinical signs depend specifically on the acquisition source, and the combination of local signs and grading disease label is not an easy task. This research approaches the problem of combining local signs and global labels of different acquisition sources of medical information as a valuable tool to support medical decision making in ocular diseases. Different models for different eye diseases were developed. Four models were developed using eye fundus images: for DME, it was designed a two-stages model that uses a shallow model to predict an exudate binary mask. Then, the binary mask is stacked with the raw fundus image into a 4-channel array as an input of a deep convolutional neural network for diabetic macular edema diagnosis; for glaucoma, it was developed three deep learning models. First, it was defined a deep learning model based on three-stages that contains an initial stage for automatically segment two binary masks containing optic disc and physiological cup segmentation, followed by an automatic morphometric features extraction stage from previous segmentations, and a final classification stage that supports the glaucoma diagnosis with intermediate medical information. Two late-data-fusion methods that fused morphometric features from cartesian and polar segmentation of the optic disc and physiological cup with features extracted from raw eye fundus images. On the other hand, two models were defined using optical coherence tomography. First, a customized convolutional neural network termed as OCT-NET to extract features from OCT volumes to classify DME, DR-DME and AMD conditions. In addition, this model generates images with highlighted local information about the clinical signs, and it estimates the number of slides inside a volume with local abnormalities. Finally, a 3D-Deep learning model that uses OCT volumes as an input to estimate the retinal thickness map useful to grade AMD. The methods were systematically evaluated using ten free public datasets. The methods were compared and validated against other state-of-the-art algorithms and the results were also qualitatively evaluated by ophthalmology experts from Fundación Oftalmológica Nacional. In addition, the proposed methods were tested as a diagnosis support tool of diabetic macular edema, glaucoma, diabetic retinopathy and age-related macular degeneration using two different ocular imaging representations. Thus, we consider that this research could be potentially a big step in building telemedicine tools that could support medical personnel for detecting ocular diseases using eye fundus images and optical coherence tomography.
A computational justice model for resources distribution in Ad Hoc Networks
(2020-05-26) Ospina López, Juan Pablo; Ortiz Triviño, Jorge Eduardo; TLÖN - Grupo de Investigación en Redes de Telecomunicaciones Dinámicas y Lenguajes de Programación Distribuidos
We propose a computational justice model for resource distribution in ad hoc networks using socially inspired computing and agent-based modeling. Ad hoc networks are self-organizing systems in which there is no central controller or other orchestration forms. Therefore, it is not possible to use distribution methods designed for centralized systems that require complete information and where the resource distribution aims to optimize the performance of the whole system without considering the individual goals of the participants. In this work, we used socially inspired computing to formulate a distribution method using stochastic games, institutions, distributive justice, and adaptative computing. We analyzed our proposal through simulation and compared its performance with previous works. The result showed how a distribution method based on computational justice is a potential solution for facing the distribution problem in ad hoc networks. Additionally, we implemented a multi-agent system to evaluate this proposal in a real system and to provide an easy and low-cost platform for developing ad hoc network applications.
PGAGrid: A Parallel Genetic Algorithm of Fine-Grained implemented on GPU to find solutions near the optimum to the Quadratic Assignment Problem (QAP)
(2019) Poveda Chaves, Roberto Manuel
This work consists in implementing a fine-grained parallel genetic algorithm improved with a greedy 2-opt heuristic to find near-optimal solutions to the Quadratic Assignment Problem (QAP). The proposed algorithm was fully implemented on Graphics Processing Units (GPUs). A two-dimensional GPU grid of size 8x8 defines the population of the genetic algorithm (set of permutations of the QAP), and each GPU block consists of n GPU threads, where n is the size of the QAP. Each GPU block was used to represent the chromosome of a single individual, and each GPU thread represents a gene of such chromosome. The proposed algorithm was tested on a subset of the standard QAPLIB data set. Results show that this implementation is able to find good solutions for large QAP instances in few parallel iterations of the evolutionary process.

Examinar

Envíos recientes