Escuela de Ingeniería de Sistemas y Computación

URI permanente para esta colecciónhttps://repositorio.usat.edu.pe/handle/20.500.12423/37

Examinar

Mostrando 1 - 20 de 339

Sistema de monitoreo preventivo de anemia mediante imágenes de la conjuntiva palpebral en niños menores de 5 años de Pimentel
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Chiscol Patazca, Juan David; Zelada Valdivieso, Hector Miguel
La anemia es una enfermedad que afecta a una gran parte de la población infantil a nivel mundial, en la región Lambayeque y especialmente en el distrito de Pimentel. Esta investigación tiene como objetivo desarrollar un sistema de monitoreo preventivo de anemia en niños menores de 5 años, utilizando el análisis de imágenes de la conjuntiva palpebral mediante Deep Learning. El sistema permite a los padres monitorear los signos de anemia desde casa a través de una aplicación móvil multiplataforma, compatible con Android e iOS. La metodología empleada incluyó la recolección de datos, el entrenamiento de un modelo de detección y su implementación en un entorno real, con pruebas piloto que validaron su efectividad, logrando una precisión del 90%. Esta solución facilita la detección temprana de la anemia y permite el monitoreo continuo de la salud infantil sin la necesidad de visitas frecuentes al centro de salud. Además, ofrece herramientas educativas para los padres sobre la prevención de la anemia.
Desarrollo e implementación de una solución basada en inteligencia artificial para la categorización de vehículos en el Proyecto Especial de Infraestructura de Transporte Nacional – Provías Nacional
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Pejerrey Gomez, Pedro Ricardo; Diaz Vidarte, Miguel Orlando
La clasificación de vehículos en las estaciones de peaje de PROVIAS NACIONAL se realiza mediante sensores instalados de manera invasiva en la superficie de la losa de concreto. Aunque este método resulta funcional, presenta inconvenientes, ya que el desgaste generado por el flujo vehicular reduce progresivamente la efectividad de los sensores. En el mercado existen alternativas menos invasivas, como los sensores infrarrojos; sin embargo, para PROVIAS NACIONAL su implementación supondría un incremento considerable en los costos, al requerir modificaciones tanto en la infraestructura como en el software. Este estudio surgió de la necesidad de incorporar métodos innovadores que aprovecharan las tecnologías y técnicas actuales, con el propósito de reemplazar los enfoques tradicionales en la identificación y categorización de vehículos dentro de las estaciones de peaje. En consecuencia, el objetivo principal de la investigación fue desarrollar e implementar una solución basada en inteligencia artificial para llevar a cabo dicha clasificación. Para el desarrollo del modelo se adoptó la metodología CRISP-DM, mientras que la implementación de la solución se ejecutó siguiendo los principios de la metodología ágil XP. Los resultados obtenidos demostraron que la solución propuesta alcanzó una precisión del 95% en la clasificación de vehículos, superando ampliamente a los métodos tradicionales. Asimismo, se evidenció una reducción en los costos de mantenimiento. Estos hallazgos confirmaron la viabilidad técnica y económica de implementar soluciones basadas en inteligencia artificial en el contexto de PROVIAS NACIONAL.
Sistema de inventario inteligente basado en el modelo EOQ probabilístico para mejorar el proceso de compra en una estación de servicios
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Vasquez Bustamante, Ermes Yampier; Torres Benavides, Juan Antonio
El presente trabajo desarrolló un sistema inteligente de gestión de inventarios basado en el modelo EOQ probabilístico, integrando técnicas avanzadas de inteligencia artificial para la predicción de la demanda en la estación de servicios YAMMAR E.I.R.L. El objetivo principal fue optimizar la gestión integral del inventario mediante la reducción significativa de los costos operativos y la mejora en la disponibilidad continua de productos. Se aplicó la metodología CRISP-DM para estructurar las fases del desarrollo, abarcando desde la preparación de datos hasta el modelado predictivo. Entre los resultados más destacados se obtuvo una reducción del 83 % en la frecuencia mensual de faltantes de stock, pasando de aproximadamente tres eventos mensuales a menos de uno; una disminución promedio del 22 % en los costos operativos asociados a pedidos, atribuida al uso del modelo EOQ; y un modelo de predicción con una precisión de hasta 89 % (R² = 0.89) en uno de los productos principales evaluados. Asimismo, se evaluó la experiencia del usuario final mediante una encuesta de usabilidad, alcanzando un nivel de satisfacción del 94.29 %, lo que demuestra la facilidad de uso, claridad de la interfaz y utilidad de las funcionalidades implementadas. Estos indicadores validan la efectividad del sistema en términos de precisión y ahorro, así como su aplicabilidad como solución replicable en otras estaciones de servicio con problemáticas similares de abastecimiento y planificación de compras.
Sistema de seguridad de red basado en el aprendizaje federado para detectar intrusiones en entornos médicos
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Torres Aguinaga, Johann Antonio; Reyes Burgos, Karla Cecilia
La ciberseguridad en entornos de salud, particularmente la protección de los dispositivos médicos conectados (DMC), presenta el desafío dual de mitigar el riesgo de intrusiones sin comprometer la privacidad del paciente. Esta investigación abordó dicha problemática mediante el desarrollo de un sistema de detección de intrusiones (IDS) basado en el aprendizaje federado. Se estableció una clasificación de amenazas jerárquica (Normal, Sospechosa y Ataque) tras analizar el tráfico de red del dataset “CICIDS2017”. El modelo Random Forest fue seleccionado como el algoritmo óptimo dentro de la arquitectura del aprendizaje federado, logrando una robustez de detección validada por métricas F1-Score y Recall. El sistema se implementó a través de un dashboard interactivo que permite la visualización y gestión en tiempo real del modelo federado. Finalmente, la usabilidad del sistema fue evaluada mediante el cuestionario SUS, alcanzando un puntaje promedio de 85.0, lo que lo clasifica con un nivel de usabilidad óptimo. Los resultados confirman que el sistema de seguridad de red basado en aprendizaje federado es una solución altamente precisa, eficiente y usable que aborda la necesidad de proteger los entornos médicos, garantizando la confidencialidad de los datos al entrenar los modelos localmente en los nodos de la red.
Sistema web basado en machine learning para contribuir a la reducción de readmisiones de pacientes con insuficiencia renal en el Hospital General de Jaén
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Carrasco Choez, Sisy Elizabeth; Chavarry Chankay, Mariana
En la presente investigación se desarrolló un sistema web basado en Machine Learning para contribuir a la reducción de readmisiones en pacientes con insuficiencia renal en el Hospital General de Jaén. El estudio integró la metodología CRISP-DM para el desarrollo del modelo predictivo y la metodología Kanban para la gestión ágil de las fases de diseño, implementación y validación del sistema. En la fase de modelado se entrenaron y compararon tres algoritmos, Regresión Logística, Random Forest y XGB evaluando su desempeño mediante métricas estándar (accuracy, precisión, recall, F1-score y ROC-AUC). El modelo de Regresión Logística optimizado obtuvo los mejores resultados globales (Accuracy = 0.699, Precisión = 0.614, Recall = 0.713, F1 = 0.660, ROC-AUC = 0.769), siendo seleccionado para su integración al sistema web hospitalario. El modelo se desplegó mediante un microservicio Flask conectado al entorno Laravel–MariaDB a través de contenedores Docker Desktop, permitiendo generar predicciones en 0.62 segundos por caso. La validación del sistema bajo el estándar ISO/IEC 25010:2011 evidenció una alta adecuación funcional, eficiencia temporal, usabilidad (calificación promedio 4.6/5 por personal médico), fiabilidad y mantenibilidad. Los resultados obtenidos demuestran la viabilidad técnica y clínica de incorporar modelos predictivos en la gestión hospitalaria, contribuyendo a la toma de decisiones médicas basadas en riesgo y al fortalecimiento del sistema web.
Sistema inteligente basado en machine learning para apoyar la optimización de la planificación logística en la empresa Héctor Ocaña Izquierdo
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Bellasmil Farroñan, Christian Paul; Lip Curo, Guadalupe Teresa
Este proyecto tuvo como objetivo desarrollar un sistema inteligente basado en machine learning para optimizar la planificación logística en la empresa Héctor Ocaña Izquierdo. Para ello, se construyeron dos modelos principales: el primero, centrado en la predicción de demanda, utilizando redes neuronales LSTM, alcanzó una precisión del 93.83%. Este modelo permitió anticipar la demanda futura de manera precisa, facilitando la planificación de recursos. El segundo modelo se enfocó en la optimización de rutas logísticas, logrando una precisión del 99.08%. La combinación de ambos modelos proporcionó una interoperabilidad total, lo que mejoró significativamente la asignación de recursos y redujo los costos operativos, permitiendo una optimización de los tiempos de entrega y mejorando la eficiencia general del sistema. Los resultados obtenidos demostraron una mejora sustancial del 24.5% en tiempos de conducción, mostrando también una reducción del 34.47% en el recorrido. El sistema fue validado mediante pruebas de desempeño, alcanzando una fiabilidad del 99.44% en condiciones de operación continua, y una tasa de defectos por ejecución del 0.08 lo que confirmó su estabilidad y robustez para su implementación en entornos logísticos reales. Además, se desarrolló una plataforma web para facilitar la interacción en tiempo real y la gestión de las operaciones logísticas, alcanzando un 93.68% de satisfacción por parte de los usuarios, según las encuestas de satisfacción realizadas al final del proceso.
Aplicación móvil basado en machine learning para facilitar la comunicación de personas con discapacidad auditiva en el Perú
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Lopez Romero, Maricarmen; Zuñe Bispo, Luis Augusto
El proyecto tiene como objetivo desarrollar una aplicación móvil basado en machine learning para facilitar la comunicación de personas con discapacidad auditiva en el Perú. Esta investigación, de tipo aplicada, aborda como problema las limitaciones en la comunicación de las personas con discapacidad auditiva profunda. Para ello, se aplicaron métodos de investigación, entre ellos la revisión de literatura, el enfoque deductivo y técnicas de codificación. Además, entrevistas y encuestas a una muestra de 60 personas de la comunidad junto con evaluaciones realizadas por especialistas en Lenguaje de Señas Peruano. En el desarrollo del sistema, se implementaron dos metodologías: la metodología de Machine Learning, que se utilizó para la construcción del modelo computacional, y la metodología de Extreme Programming, para el desarrollo de la aplicación móvil. Se recopilaron 15,000 puntos claves correspondientes a 30 clases, pertenecientes a las señas estáticas y dinámicas que más se utilizan en una conversación, los cuales se utilizaron para entrenar una red neuronal densamente conectada. Posteriormente, se utilizó OpenNLP para estandarizar el texto de entrada durante el proceso de generación. Como resultado de este enfoque, se logró una precisión del 85% en entrenamiento y 97% en validación del modelo, lo que demuestra la eficacia del sistema propuesto. Por último, la aplicación móvil fue validada en entornos reales, permitiendo ajustes que mejoraron su accesibilidad y usabilidad para las personas con esta discapacidad, asegurando una respuesta más efectiva a sus necesidades
Sistema de visión artificial como apoyo en el proceso de diagnóstico de lesiones cerebrales en la empresa Ecoray Diagnóstico
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Perez Fiestas, Renatto Jesus; Aranguri Garcia, Maria Ysabel
Esta investigación presenta un sistema de visión artificial para apoyar el diagnóstico de lesiones cerebrales en Ecoray Diagnósticos. El objetivo fue integrar un flujo confiable que abarca lectura DICOM, preprocesamiento de tomografías y clasificación automática de subtipos de hemorragia intracraneal, mediante una red DenseNet-121 exportada a ONNX e incorporada en una aplicación de escritorio desarrollada en Java. El modelo se entrenó combinando 3713 estudios públicos rotulados de tomografías cerebrales y 184 estudios locales de la clínica Ecoray. El desarrollo se llevó a cabo con un diseño cuasi experimental y se organizó en módulos. El sistema incluye validación de metadatos DICOM, normalización de las imágenes, reducción de ruido, redimensionamiento y conversión a tensores para la red neuronal, además de un registro de auditoría y la generación de reportes mediante JasperReports. Los resultados muestran una validación basada en 184 estudios locales no utilizados en el entrenamiento para lo cual se obtuvo una exactitud global del 87%, una sensibilidad del 84% y una especificidad del 90%, lo que indica un desempeño clínicamente aceptable en la mayoría de los subtipos modelados los cuales son hemorragia epidural, intraparenquimal, intraventricular, subaracnoidea, subdural y la clase ninguno. El tiempo medio de procesamiento se mantuvo alrededor de cuatro segundos por estudio, reduciendo de forma notable el tiempo necesario para elaborar el informe en comparación con el flujo manual. La usabilidad, medida con el cuestionario SUS aplicado a los radiólogos, alcanzó un 82%, por encima del umbral de 68 considerado aceptable. El sistema se integró al flujo operativo como herramienta de apoyo, sin reemplazar el criterio del especialista, aportando estandarización del preanálisis, priorización de casos y trazabilidad técnica, además de lineamientos para su mantenimiento y mejora futura.
Sistema móvil basado en geolocalización y NLP para apoyar a la seguridad de los pasajeros de mototaxis en Lambayeque
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Forero Quiroz, Juan Josemi; Zelada Valdivieso, Hector Miguel
La inseguridad en el transporte de mototaxis en Lambayeque constituye una problemática creciente que afecta principalmente a los usuarios, quienes se encuentran expuestos a robos, acoso y secuestros debido a la informalidad del servicio. Ante esta situación, la presente investigación tuvo como objetivo desarrollar un sistema móvil basado en geolocalización y procesamiento de lenguaje natural que apoye la seguridad de los pasajeros. La metodología empleada fue de tipo aplicada, con un enfoque mixto cualitativo y cuantitativo, sustentada en métodos inductivo-deductivo, analítico-sintético e implementación, utilizando encuestas, entrevistas, pruebas experimentales y análisis de usabilidad bajo el modelo TAM. El sistema fue desarrollado mediante la metodología ágil Scrum, lo que permitió implementar de forma iterativa los módulos de registro, rastreo en tiempo real, visualización de datos de vehículo y conductor, así como la activación de alertas por voz en situaciones de emergencia. Los resultados evidenciaron que el módulo de geolocalización cumplió con el rastreo continuo de los viajes, mientras que el módulo de alerta alcanzó una precisión del 95% en el reconocimiento de comandos de voz. La validación funcional bajo la norma ISO 25010 confirmó la adecuación, corrección y pertinencia del sistema, y la evaluación de aceptación tecnológica mostró que los usuarios perciben la aplicación como útil y fácil de usar. En consecuencia, la propuesta se consolida como una alternativa innovadora y contextualizada que contribuye a la mejora de la seguridad ciudadana en el transporte de mototaxis en Lambayeque.
Sistema inteligente para la detección de lesiones de la mucosa oral en un centro de salud
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Durand Calle, Mauricio Benjamin; Alarcon Garcia, Roger Ernesto
La investigación abordó la problemática del diagnóstico tardío y el mal diagnóstico de lesiones de la mucosa oral, una situación crítica en países de ingresos medios y bajos donde 3.5 mil millones de personas padecen enfermedades bucodentales. En Perú, el cáncer bucal ocupa el sexto lugar entre las causas de muerte por neoplasias, debido principalmente a la falta de detección oportuna y diagnósticos inadecuados. Por ello se desarrolló un sistema basado en redes neuronales convolucionales para la detección automática de lesiones de la mucosa oral a través del análisis de imágenes. El proyecto se estructuró siguiendo las metodologías SCRUM y CRISP-DM, cubriendo desde la preparación tecnológica hasta la optimización del modelo. Para garantizar la calidad del dataset clínico, se evaluó la concordancia en el etiquetado mediante el índice de Cohen’s Kappa, obteniéndose un valor de κ=0.694 que indica un acuerdo considerable entre evaluadores. Respecto al componente técnico, se implementó el modelo SSD-MobileNet-V2-FPNLite-320 para la detección de gingivitis, entrenado con 362 imágenes, logrando una precisión del 97.3%, sensibilidad del 64.0%, F1-Score de 77.2% y una exactitud global de 62.9%. Complementariamente, se incorporó la detección de aftas orales mediante YOLO11s, empleando 386 imágenes, logrando una precisión del 67.83%, sensibilidad del 82.9%, F1-Score de 74.62% y exactitud de 59.54%. El sistema integral incluye gestión odontológica y modelos predictivos. La validación del sistema, basada en la metodología TAM2, reveló aceptación sobresaliente (98.33%), destacando facilidad de uso percibida(100%) sobre utilidad percibida (96.67%), confirmando su aplicabilidad práctica en entornos clínicos reales.
Aplicación con realidad aumentada para apoyar el aprendizaje de fuerza y movimiento en quinto grado de primaria, Colegio Santa Rosita
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Cubas Quispe, Yessenia Maribel; Alarcon Garcia, Roger Ernesto
Las dificultades en la enseñanza de la física elemental en primaria, junto con la falta de metodologías interactivas y recursos tecnológicos, motivaron esta investigación. Con el objetivo de implementar una aplicación con realidad aumentada (RA) para apoyar el aprendizaje de la fuerza y movimiento en quinto grado de primaria, fortaleciendo las habilidades de abstracción y comprensión de conceptos teóricos en estudiantes del quinto grado de la I.E “Santa Rosita”. La metodología empleada combinó un diseño cuantitativo preexperimental y el enfoque ADDIE (análisis, diseño, desarrollo, implementación y evaluación) para la estructuración del temario Fuerza y Movimiento, seguido por el desarrollo guiado por pruebas (TDD), lo que permitió un diseño estructurado y funcional. La aplicación se centra en la simulación de temas clave como Movimiento Rectilíneo Uniforme (MRU), Movimiento Rectilíneo Uniformemente Variado (MRUV), Movimiento Mecánico (MM), Caída Libre (CL) y Vectores (VR). Mediante modelos 3D interactivos, los estudiantes pueden visualizar y manipular fenómenos físicos, facilitando su comprensión abstracta. Los resultados reflejaron un aumento en la participación, rendimiento académico y aprendizaje autónomo. El promedio de comprensión conceptual pasó del 46.5% al 77%, lo que representa una mejora de 30.5 puntos porcentuales. Asimismo, el 83% de los estudiantes usó la aplicación de forma constante y el 90% manifestó mayor motivación al estudiar física con esta herramienta. Estos hallazgos validan la eficacia de la RA en entornos educativos del nivel primario.
Aplicación web basada en DDMRP para mitigar la rotura de stock en la empresa 3R Risaralda Steels and Industrial Recycling S.A.C.
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Ruidias Rojas, Rodrigo Sebastian; Mera Montenegro, Huilder Juanito
En esta investigación, se implementó la metodología DDMRP a través de un proceso ágil Scrum, dividido en 4 sprints, con el objetivo de implementar una aplicación web utilizando DDMRP para mitigar la rotura de stock en el inventario de la empresa 3R Risaralda Steels and Industrial Recycling S.A.C. En el primer objetivo, se logró una integración exitosa de DDMRP en la aplicación web, cumpliendo el 100% de los requisitos funcionales establecidos. El segundo objetivo se enfocó en determinar los niveles de buffer para la reposición de stock, utilizando un análisis de sensibilidad que demostró reducciones significativas en el inventario y mejoras en el flujo de caja. En cuanto al tercer objetivo, la medición del desempeño reveló una disminución extraordinaria del índice de rotura de stock, del 20.61% al 0.61%, demostrando una eficacia del 99% en la gestión de inventario. Estos resultados destacan la efectividad de la implementación de DDMRP, no solo en la integración técnica sino también en los beneficios financieros tangibles, subrayando la relevancia y el potencial de esta metodología para optimizar la gestión de inventario y mejorar la eficiencia operativa en entornos empresariales complejos.
Sistema inteligente para apoyar el diagnóstico del trastorno límite de la personalidad en un puesto de salud en Tumán
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Marin Tantalean, Moises Fernando; Diaz Espino, Miguel Angel
La presente investigación surge ante la dificultad de diagnosticar el trastorno Límite de la Personalidad en el área de psicología del puesto de salud en Tumán; debido a la ausencia de especialistas, el tiempo limitado para las entrevistas, y la alta demanda de atención, lo que resulta en un deterioro progresivo de la salud mental del paciente. Por lo tanto, se propuso el desarrollo de un sistema inteligente basado en una técnica de Machine Learning que permite apoyar al especialista, en el diagnóstico del trastorno mental. Para ello, se realizó una evaluación de cinco algoritmos de clasificación, seleccionando el más adecuado para este contexto. Por consiguiente, el modelo computacional se basó en el algoritmo de Árbol de Decisiones obteniendo un 91.55% de exactitud, 90.07% de precisión, 93.39% de sensibilidad y 89.71% de especificidad. Asimismo, se desarrolló un aplicativo web que se integró con dicho modelo, para ello, se utilizaron tecnologías como Django para el back-end, Scikit-learn para el modelo computacional, PostgreSQL para la base de datos y la metodología CRISP-DM en la guía del desarrollo de minería de datos. Por último, se obtuvo los resultados basados en la norma ISO 25010 con 91.11% en reconocibilidad, 87.77% en aprendizabilidad, 84.44% en operabilidad, 86.66% en protección de errores, 100% en involucración con el usuario, 83.3% en inclusividad y asistencia, y 86.66% en auto-descriptividad, llevando así una sólida aceptación por los especialistas en la capacidad de la interacción del aplicativo web.
Sistema de reconocimiento de patrones de vestimenta para el proceso de búsqueda de personas desaparecidas en el Mercado Modelo
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Delgado Marruffo, Sthefany; Aranguri Garcia, Maria Ysabel
La desaparición de personas afecta los derechos fundamentales, donde los niños y adultos mayores son los más vulnerables. En Colombia se registró 2015 personas desaparecidas. En septiembre del 2024, Perú presentó 1411 denuncias de personas desaparecidas, donde Lambayeque tiene 69 registros. En julio, agosto y septiembre del 2023, Chiclayo tuvo un promedio de 43 personas desaparecidas. Ante ello, la investigación presenta como objetivo general implementar un sistema de reconocimiento de patrones de vestimenta para la búsqueda de personas desaparecidas en el Mercado Modelo, utilizando un algoritmo de Deep Learning. La metodología para el desarrollo del producto acreditable integra el modelo de Machine Learning con la metodología ágil Extreme Programming (XP). Las fases abarcan la recopilación, preparación de los datos, la selección y entrenamiento del algoritmo, luego las pruebas que verifican la precisión del producto acreditable al identificar personas a partir de su vestimenta. El algoritmo seleccionado, Mask R-CNN permite detectar y segmentar con precisión las prendas de la persona desaparecida en tiempo real a través de imágenes de una cámara. Además, la interfaz de usuario ha cumplido con los estándares de calidad de la adecuada funcionalidad, seguridad, usabilidad y eficiencia de desempeño en el sistema según la norma ISO/IEC 25010:2011. Los resultados indican que la investigación del producto acreditable identifica personas desaparecidas por la categoría y color de la prenda superior e inferior con un 85% de precisión, reduciendo el tiempo de respuesta y mejorando la identificación de personas desaparecidas en un entorno dinámico como el Mercado Modelo.
Agente inteligente recomendador de atractivos turísticos en el departamento de Lambayeque
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Davila Nieto, Justo Andres; Zelada Valdivieso , Hector Miguel
Este estudio aborda la problemática de la baja afluencia de turistas en el departamento de Lambayeque, atribuida a factores como la falta de información personalizada y la limitada promoción de los atractivos locales, lo cual impacta en la satisfacción de los visitantes y la competitividad del sector. El objetivo principal es desarrollar un agente inteligente recomendador de atractivos turísticos que ofrezca sugerencias personalizadas en función de las preferencias individuales de cada usuario. Para la implementación del sistema, se emplearon las metodologías CRISP-DM y Scrum, facilitando el proceso de modelado de datos en fases y la gestión ágil del proyecto mediante sprints iterativos. CRISP-DM permitió estructurar la comprensión de los datos y la creación de un modelo de recomendación basado en contenido, mientras que Scrum posibilitó la planificación y los ajustes continuos en el desarrollo. El modelo fue integrado en una aplicación web y su aceptación tecnológica evaluada mediante el modelo TAM. Los resultados más relevantes incluyen una aplicación web funcional con un modelo de recomendación optimizado, capaz de ofrecer sugerencias variadas y relevantes, logrando un equilibrio entre similitud y diversidad en las recomendaciones, con un índice de diversidad de 0.6, además los resultados de la evaluación tecnológica del agente inteligente, muestran una aceptación positiva entre los usuarios, quienes consideran que la aplicación es útil y fácil de usar. Este proyecto no solo facilita el acceso a información adecuada para los turistas, sino que también fortalece la competitividad del sector turístico de Lambayeque.
Aplicación móvil inteligente para evaluar y potenciar el vocabulario receptivo en niños con autismo de una institución educativa de Chiclayo
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Tuesta Rodas, Sergio Anibal; Zelada Valdivieso, Héctor Miguel
La Tesis aborda el desarrollo de una aplicación móvil inteligente para evaluar y potenciar el vocabulario receptivo en niños con autismo en primer grado de una institución educativa de Chiclayo. El estudio responde a la necesidad de soluciones alternativas ante las restricciones de los métodos tradicionales de enseñanza para niños con trastorno del espectro autista (TEA), quienes representan aproximadamente el 0.625% de la población infantil en el mundo según la organización mundial de la salud (OMS). Se implementó la metodología MOBILE-D para el desarrollo de la aplicación móvil y la metodología IDEAL para el sistema experto, permitiendo evaluar y clasificar a los niños en niveles (bajo, medio y alto). La aplicación integra actividades basadas en el Test de vocabulario en imágenes Peabody (PPVT) y comunicación aumentativa y alternativa (CAA), con ejercicios adaptativos que se ajustan según el rendimiento del niño en cada sesión. Los resultados evidencian una aplicación móvil inteligente que implementó criterios específicos de clasificación, evaluando 18 preguntas en la prueba inicial y 8 en sesiones de práctica. Su funcionamiento y precisión fueron validados mediante pruebas tanto en el sistema experto como en la funcionalidad, superándolas satisfactoriamente y alcanzando un 80 % de precisión. La herramienta fue evaluada por especialistas a través de un instrumento que valoró cuatro áreas clave: sistema de evaluación inicial, contenido terapéutico, sistema de seguimiento clínico y accesibilidad/usabilidad, obteniendo una calificación satisfactoria de 59.33 puntos (98.89%). Concluyendo que la aplicación permitió evaluar y apoyar a mejorar el vocabulario receptivo en niños con autismo en primer grado.
Sistema inteligente basado en deep learning para el apoyo en el diagnóstico del cáncer del pulmón para el Hospital Regional de Lambayeque
(Universidad Católica Santo Toribio de Mogrovejo, 2026) Torres Sanchez, Andy Alberto; Lujan Segura, Edwar Glorimer
La presente investigación ha demostrado que un sistema inteligente basado en aprendizaje profundo ha logrado con éxito la detección de nódulos pulmonares en el Hospital Regional de Lambayeque. El objetivo principal fue el desarrollo de un sistema inteligente para apoyar el diagnóstico del cáncer de pulmón. Los objetivos específicos incluyeron la determinación de un algoritmo de preprocesamiento de imágenes, la selección y aplicación de un modelo de aprendizaje automático adecuado, el diseño de un modelo computacional para la detección de nódulos pulmonares, y la validación de su precisión. Se utilizó la metodología crisp-dm para el desarrollo del modelo, con fases que incluyeron la comprensión del negocio y los datos, la preparación de estos, el modelado y la evaluación del modelo. Se eligieron redes neuronales convolucionales (CNN) por su capacidad de aprender patrones complejos en las imágenes médicas. El modelo entrenado alcanzó una precisión del 91.89%, demostrando una alta eficacia en la detección de nódulos pulmonares. El sistema, además de permitir un diagnóstico temprano, tiene el potencial de agilizar el proceso de análisis médico, reduciendo la carga de trabajo de los radiólogos y mejorando la atención a los pacientes.
Sistema experto para ayudar a la detección de las enfermedades cardiovasculares más comunes en la provincia de Ferreñafe
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Villalobos Romero, Alonso Jeremy; Noblecilla Vinces, William Alfredo
Este trabajo se centra en el desarrollo de un sistema experto diseñado para asistir en la detección de enfermedades cardiovasculares mediante el análisis de electrocardiogramas. Utilizando la metodología de ingeniería del conocimiento de John Durkin, se establecieron varios objetivos específicos: determinar la arquitectura tecnológica adecuada que soporte de manera efectiva el sistema, definir un algoritmo óptimo para el reconocimiento de patrones en los electrocardiogramas y validar la eficiencia del sistema. Los resultados obtenidos de cada uno de estos objetivos específicos demostraron que la arquitectura seleccionada proporciona la estabilidad y escalabilidad necesarias para el funcionamiento del sistema en un entorno real. Además, el algoritmo desarrollado para el reconocimiento de patrones mostró una alta precisión de 93.75% en la identificación de indicadores potenciales de enfermedades cardiovasculares, lo cual fue corroborado por la validación a través del cuestionario TAM, que confirmó la eficacia y la aceptación del sistema entre los usuarios finales con un 4.6%. Estos hallazgos destacan la viabilidad del sistema experto como una herramienta valiosa en el ámbito de la salud cardiovascular.
Implementación de una API con base en redes neuronales convolucionales para la validación e identificación de árboles en Chiclayo
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Sanchez Cieza, Cinthia Nayeli; Mera Montenegro, Huilder Juanito
En esta investigación se implementó una API REST basada en redes neuronales convolucionales para la validación e identificación de especies de árboles en Chiclayo, permitiendo abordar la problemática de la carencia de herramientas tecnológicas eficientes para una adecuada gestión del arbolado urbano, donde la falta de identificación precisa de especies dificulta su conservación y manejo sostenible. Utilizando la metodología CRISP-DM, se desarrollaron dos modelos con arquitectura ResNet50: uno de validación que alcanzó 98.43% de precisión en la clasificación binaria de árboles, y otro de identificación de especies con 96% de precisión media. Para el entrenamiento, se generaron dos conjuntos de datos: uno basado en CIFAR-100 con 60,000 imágenes diversas y otro específico con 2568 imágenes de árboles nativos de Chiclayo. La API desarrollada identifica con alta precisión cinco especies arbóreas nativas de Chiclayo, presentando una efectividad del 100% para Palmera Real, 97% para Algarrobo y Ponciano, y 93% para Ficus y Molle, con tiempos de respuesta de 2-10 segundos por consulta. La validación del correcto funcionamiento de la API se realizó a través de una aplicación web que integra sus servicios, facilitando pruebas exhaustivas mediante captura y carga de imágenes para comprobar la efectividad del sistema de reconocimiento.
Aplicación web basado en machine learning para predecir el rendimiento académico en matemática del tercer grado en un colegio militar
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Bazan Fernandez, Edwin Manuel; Castillo Zumaran, Jose Segundo
En esta investigación se determinaron ciertas características claves que influyen en el rendimiento académico estudiantil, con la finalidad de predecir aquellos estudiantes que tengan alta probabilidad de desaprobar. Entre los principales problemas abordados se encuentran los factores que afectan el rendimiento académico, la deserción estudiantil y el alto porcentaje de desaprobados, la cual genera un incremento en los costos operativos, como la ampliación de horas laborales de los docentes y el uso intensivo de recursos e infraestructura. Para abordar esta problemática se propuso desarrollar una aplicación web basado en Machine Learning permitiendo predecir el rendimiento académico, teniendo en cuenta los siguientes objetivos específicos: determinar cuáles son las variables para predecir con mayor grado de precisión el rendimiento académico, determinar el algoritmo que nos proporcione la mayor precisión al predecir el rendimiento académico, crear un modelo de predicción en base a los datos recolectados y el algoritmo seleccionado, desarrollar la aplicación web como herramienta de interacción, validar la aplicación web construida en base a técnicas de pruebas de ingeniería de software. La metodología empleada es CRISP-DM, utilizada en proyectos de minería de datos y Machine Learning. Durante el desarrollo se evaluaron tres algoritmos de regresión, obteniendo los resultados: Algoritmo Regresión Lineal (ECM:14.15, RMSE:3.76, Índice de Concordancia:99.99988%), algoritmo Gaussian Naive Bayes ECM y el algoritmo regresor de Árbol de Decisión (ECM: 8.49, RMSE:91, Índice de Concordancia: 99.99992%), tras evaluar los resultados se seleccionó el algoritmo con mejor desempeño para implementar el modelo de predicción del rendimiento académico de los nuevos estudiantes.