RESUMEN Esta investigación analizó la respuesta espectral foliar de tres especies forestales maderables nativas del bosque seco tropical, Diomate (Astronium graveolens Jacq.), Choibá (Dipteryx oleifera Benth.) y Algarrobo (Hymenaea courbaril L.). El estudio se efectuó en el Arboretum y Palmetum León Morales Soto de la Universidad Nacional de Colombia, sede Medellín, Antioquia, Colombia. Los datos espectrales de las hojas se colectaron in situ con el espectrorradiómetro portátil ASD FieldSpec HandHeld-2, que trabaja con una resolución espectral de 1 nm (remuestreada a 10 nm) y un rango espectral entre 325 y 1.075 nm (acotado entre 400 y 900 nm). A partir de las mediciones, se evaluó el comportamiento y la variabilidad espectral de las especies. Se implementó el Análisis de Varianza de un factor y la prueba U de Mann - Whitney - Wilcoxon en los espectros de reflectancia con el fin de seleccionar las bandas estrechas óptimas para discriminar las especies. Se evaluó la capacidad de clasificación de las especies en las bandas estrechas seleccionadas, utilizando el algoritmo de los K vecinos más cercanos. Encontrando que A. graveolens e H. courbaril presentaron firmas espectrales típicas de la vegetación saludable y D. oleifera evidenció cambios espectrales en el período inicial de la senescencia. Respecto a la separabilidad espectral, se encontraron 23 bandas estrechas en la región visible e infrarrojo cercano óptimas para diferenciar las especies vegetales. El algoritmo de clasificación supervisada aplicado en las 23 bandas estrechas, tuvo una precisión general del 95,8%. En conclusión, estos hallazgos proporcionan valiosos conocimientos sobre la respuesta espectral de importantes especies tropicales y contribuyen a sus esfuerzos de conservación al mejorar la comprensión de sus características espectrales únicas en ecosistemas diversos y heterogéneos como el bosque tropical.

ABSTRACT This study analyzed the leaf spectral response of three native timber forest species in the tropical dry forest: Diomate (Astronium graveolens Jacq.), Choibá (Dipteryx oleifera Benth.), and Algarrobo (Hymenaea courbaril L.). The study was conducted at the León Morales Soto Arboretum and Palmetum, at the Universidad Nacional de Colombia in Medellín, Antioquia, Colombia. Spectral data from the leaves were collected in situ using the portable spectroradiometer ASD FieldSpec HandHeld-2, which operates with a spectral resolution of 1 nm (resampled to 10 nm) and covers a spectral range between 325 and 1,075 nm (limited to 400-900 nm). Based on the measurements, the behavior and spectral variability of the species were evaluated. One-factor Analysis of Variance and Mann-Whitney-Wilcoxon U-test were implemented in reflectance spectra to select the optimal narrow bands for species discrimination. The classification capacity of the selected narrow bands was assessed using the K-nearest neighbors' algorithm. It was found that A. graveolens and H. courbaril exhibited spectral signatures typical of healthy vegetation, while D. oleifera showed spectral changes during the early stages of senescence. Regarding spectral separability, 23 narrow bands in the visible region and near-infrared region were identified as optimal for distinguishing the plant species. The supervised classification algorithm applied to these 23 narrow bands achieved an overall accuracy of 95.8%. In conclusion, these findings provide valuable insights into the spectral response of important tropical species and contribute to their conservation efforts by enhancing understanding of their unique spectral characteristics in diverse and heterogeneous ecosystems like tropical forests.

SUMMARY: In the present study, it is aimed to reveal the performances of different classification algorithms in sex determination from first cervical vertebra, that is, atlas measurements. The classification success of 4 different machine learning algorithms was comparatively examined for the purpose of sex determination by evaluating 22 atlas measurements on cone beam computed tomography (CBCT) images of 145 female and 145 male adults. Logistic regression (LR), classification and regression tree (CART), support vector machine (SVM) and neural network (NN) algorithms were used for sex diagnosis. Area under the ROC curve (AUC), classification accuracy (CA), F1-ratio, Precision and Recall indexes were used for model performances. Except for 2 measurements, there was a significant difference between men and women in terms of 20 other parameters (p<0.05). The adjusted effects of these parameters on sex determination were examined with multivariate models and algorithms, and the success of all 4 algorithms was quite good. The success of the NN algorithm (Accuracy 91.3 %; 0.87 Specificity, 0.85 Sensitivity) in correctly classifying male and female was the highest, followed by the LR algorithm (Accuracy 90.9 %; 0.86 Specificity, 0.83 Sensitivity). It was found that the machine learning algorithm applied to the variables of the atlas gave high accuracy regarding sex and the NN model was highly effective in sex determination. In addition, a large morphometric database of atlas was presented in our results.

RESUMEN: El objetivo de estudio fue revelar el desempeño de diferentes algoritmos de clasificación en la determinación del sexo a partir de la primera vértebra cervical, el atlas. El éxito de la clasificación de 4 algoritmos diferentes de aprendizaje automático se examinó comparativamente con el fin de determinar el sexo mediante la evaluación de 22 mediciones de atlas en imágenes de tomografía computarizada de haz cónico (CBCT) de 145 mujeres y 145 hombres adultos. Para el diagnóstico de sexo se utilizaron algoritmos de clasificación y árbol de regresión (CART), máquina de vectores de soporte (SVM) y redes neuronales (NN). Para el rendimiento del modelo se utilizaron el área bajo la curva ROC (AUC), la precisión de clasificación (CA), la relación F1, los índices de precisión y recuperación. Excepto en dos mediciones, hubo una diferencia significativa entre hombres y mujeres en otros 20 parámetros (p<0,05). Los efectos ajustados de estos parámetros en la determinación del sexo se examinaron con modelos y algoritmos multivariados, y el éxito de los cuatro algoritmos fue bastante bueno. El éxito del algoritmo NN (Precisión 91,3 %; 0,87 Especificidad, 0,85 Sensibilidad) en clasificar correctamente a hombres y mujeres fue el más alto, seguido por el algoritmo LR (Precisión 90,9 %; 0,86 Especificidad, 0,83 Sensibilidad). Se encontró que el algoritmo de aprendizaje automático aplicado a las variables del atlas dio una alta precisión con respecto al sexo, y el modelo NN fue altamente efectivo en la determinación del sexo. Además, en nuestros resultados se presentó una importante base de datos morfométricos del atlas.

Abstract Agriculture is increasingly putting pressure on biodiversity resources in the fragile environment of the Semi-Arid Argentine Pampas, specifically in the Pampa Medanosa region. This region, affected by wind erosion and deforestation, includes the Caldén Biogeographic Corridor. The Caldén (Neltuma caldenia B.), an endemic and threatened tree species, gives the corridor its name. Recent studies have mentioned the reactivation of wind erosion processes in response to non-sustainable soil management and the advance of the agricultural frontier. Thus, land cover analysis could help monitor land use change. The aim of this research was to analyze the temporal and spatial evolution of land use change in the Pampa Medanosa Region, from 2006/07 to 2018/19, through observation of land cover. For the analysis a supervised classification by mean of Random Forest (RF) algorithm was conducted. It achieves class predictions through the majority voting of decision tree groups, and it allows the combination of spectral and topographic information. The results showed an increase in agricultural surface area, mainly represented by soybeans and corn, over the cattle grazing areas. The agricultural expansion in the study area occurred fundamentally since the 2007/08 cropping season. Random Forest, in conjunction with R and Landsat satellite images, has shown great potential as a diagnostic tool for monitoring changes in land cover, ecosystem modification, and soil degradation problems and also as a tool for applying public policies and land planning.

Resumen En el frágil entorno de las Pampas Semiáridas Argentinas, específicamente en la región de Pampa Medanosa, la agricultura está ejerciendo cada vez más presión sobre el recurso suelo y la biodiversidad. Esta región, afectada por la erosión eólica y la deforestación, incluye el Corredor Biogeográfico de Caldén. El Caldén (Neltuma caldenia B.), es una especie arbórea endémica y amenazada, que da nombre al corredor. Estudios recientes han mencionado la reactivación de procesos de erosión eólica como respuesta al manejo no sustentable del suelo y al avance de la frontera agrícola. Por lo tanto, el análisis de la cobertura del suelo podría ser una herramienta útil para monitorear el cambio de uso del suelo. El objetivo de esta investigación fue analizar la evolución temporal y espacial del cambio de uso del suelo en la Región Pampa Medanosa, del 2006/07 al 2018/19. Para el análisis, se realizó una clasificación supervisada mediante el algoritmo Random Forest (RF) combinando información espectral y topográfica. Los resultados mostraron un aumento de la superficie agrícola, representada por soja y maíz principalmente, sobre las áreas de pastoreo ganadero. La expansión agrícola en el área de estudio se dio fundamentalmente a partir de la campaña agrícola 2007/08. Random Forest en conjunto con R e imágenes satelitales Landsat han mostrado un gran potencial como herramienta de diagnóstico para monitorear cambios en la cobertura del suelo, modificación de ecosistemas y problemas de degradación y también como herramienta para el seguimiento de políticas públicas y de ordenamiento territorial.

ABSTRACT Keyword spotting is a subfield of automatic speech recognition revolutionized in the last decade with the incorporation of artificial intelligence techniques based on deep learning. The implementation of keyword spotting models in microcontrollers implies as a first step the digital processing of audio signals to carry out the feature extraction in real time. The models implemented in microcontrollers found in literature use MFCC coefficients for feature extraction. It has been proved that when using deep learning techniques for classification, it is more effective the use of Mel spectrograms. In this paper, it is proposed an implementation of the algorithm for the obtention of Mel spectrograms in real time in STM32 microcontrollers compatible with the design of a real time keyword spotting system. Its use is evaluated in a test system based on the STM32G474RET6 microcontroller and the MEMS microphone SPH0645LM4H-B. The proposed implementation reduces the use of RAM memory in the microcontroller and fills the existing gap in the CMSIS-DSP driver of a routine for the computation of the Mel spectrum for a vector of signal samples.

RESUMEN La detección de palabras clave es un subcampo del reconocimiento automático de voz revolucionado en la última década con la incorporación de técnicas de inteligencia artificial basadas en aprendizaje profundo. La implementación de modelos de detección de palabras clave en microcontroladores implica como primer paso el procesamiento digital de las señales de audio para realizar la extracción de características en tiempo real. Los modelos implementados en microcontroladores encontrados en la literatura usan los coeficientes MFCC para la extracción de características. Sin embargo, se ha comprobado que al emplear técnicas de aprendizaje profundo para la clasificación resulta más efectivo el empleo de espectrogramas de Mel. En este artículo se propone una implementación del algoritmo para la obtención de espectrogramas de Mel en tiempo real en microcontroladores de la familia STM32 compatible con el diseño de un sistema de detección de palabras clave en tiempo real, evaluándose su uso en un sistema de prueba basado en el microcontrolador STM32G474RET6 y el micrófono MEMS SPH0645LM4H-B. La implementación propuesta reduce el uso de memoria RAM en el microcontrolador y llena el vacío existente en el driver CMSIS-DSP de una rutina para el cómputo del espectro de Mel de un vector de muestras de señal.

Resumen Introducción Los drones aportan imágenes de alta resolución espacial para el seguimiento de la dinámica de la vegetación en bosques bajo manejo forestal; sin embargo, existen dudas sobre la forma más eficaz de utilizarlas con respecto a la resolución espacial. Objetivo Determinar la resolución espacial más apropiada de las imágenes multiespectrales obtenidas por drones, para mapear los tipos de cobertura del suelo en bosques templados bajo manejo forestal de Hidalgo, México. Materiales y métodos Las imágenes espectrales se preprocesaron en resoluciones espaciales desde 0.2 hasta 2.5 m, a intervalos de 0.1 m. La cobertura de pinos, encinos, otras latifoliadas, herbáceas y suelo desnudo se clasificaron con el algoritmo Random Forest. El efecto de la resolución espacial en la clasificación de la cobertura terrestre se evaluó mediante la prueba no paramétrica de Kruskal-Wallis seguida de una comparación post-hoc Mann-Whitney-Wilcoxon (p < 0.05). Los errores de clasificación de las clases de cobertura se analizaron gráficamente. Resultados Las imágenes de 0.2 m de resolución espacial proporcionaron la mayor precisión de clasificación de la cobertura del suelo (96 %), pero fue estadísticamente similar que la de 0.7 m (p = 0.3984). La precisión más baja (82 %) se obtuvo con imágenes de 2.5 m de resolución espacial. Los errores de omisión y comisión fueron menores y constantes en las clasificaciones con imágenes de resolución espacial de 0.2 a 1.2 m. Conclusiones Las imágenes multiespectrales (0.7 m de resolución), adquiridas con un dron de ala fija, permitieron la clasificación precisa de los tipos de cobertura y la distribución espacial exacta de pinos, encinos y otras especies de latifoliadas de un bosque templado bajo manejo forestal.

Abstract Introduction Drones allow collecting high-spatial resolution images useful for monitoring forest vegetation dynamics in managed forests. There are, however, doubts about the most effective way to use them concerning spatial resolution. Objective To identify the optimal spatial resolution of multispectral images captured by drones for mapping land cover types in managed temperate forests in Hidalgo, Mexico. Materials and methods Spectral images were preprocessed at spatial resolutions from 0.2 to 2.5 m, at 0.1 m intervals. Pine, oak, other broad-leaved trees, herbs and bare soil cover were classified with the Random Forest algorithm. The effect of spatial resolution on land cover classification was evaluated using the Kruskal-Wallis non-parametric test followed by a Mann-Whitney-Wilcoxon post-hoc comparison (p < 0.05). Classification errors of land cover classes were analyzed graphically. Results 0.2 m spatial resolution images provided the highest land cover classification accuracy (96 %) but was statistically similar to that of 0.7 m (p = 0.3984). The lowest accuracy (82 %) was obtained with 2.5 m spatial resolution imagery. Omission and commission errors were lower and consistent in classifications with 0.2 to 1.2 m spatial resolution images. Conclusion Multispectral images (0.7 m resolution), acquired with a fixed-wing drone, allowed us to classify the land cover/vegetation types and the exact spatial distribution of pine, oak and other hardwood species in a temperate forest under forest management.

RESUMEN Esta investigación presenta una metodología para optimizar fuerzas de control en edificaciones, las cuales se encuentran sometidas a cargas sísmicas. Se desarrolló un sistema de control llamado CLF-MR_I, el cuál combina un algoritmo genético de clasificación no dominada NSGA-II y un sistema de control basado en lógica difusa. El controlador fue ensayado numéricamente en una edificación real de 96 m de altura, en la cual se instalaron 6 amortiguadores magnetoreológicos MR. La estructura fue sometida a 8 aceleraciones de sismo con diferentes rangos frecuenciales. Los parámetros de entrada para el sistema de control propuesto fueron los desplazamientos y las velocidades del primer piso de la edificación y como único parámetro de salida, se definió el voltaje de los dispositivos MR. La eficiencia del CLF-MR_1 fue comparada con un segundo controlador llamado CLF-MR_2, el cual funciona mediante un sistema de inferencia basado en parámetros lingüísticos. Los resultados obtenidos indican que el CLF-MR_1 mejora significativamente la respuesta dinámica de la edificación, en comparación con los resultados obtenidos con el CLF-MR_2 y con la condición no controlada de la edificación.

ABSTRACT This research presents a methodology to optimize control forces in buildings, which are subjected to seismic loads. A control system called CLF-MR_1 was developed, which combines a genetic algorithm of non-dominated classification NSGA-II and a control system based on fuzzy logic. The controller was numerically evaluated in a real 96 m high building, in which 6 MR magnetorheological dampers were installed. The structure was subjected to 8 earthquake accelerations with different frequency ranges. The input parameters for the proposed control system were the displacements and velocities of the first floor of the building and the only output parameter was the voltage of the MR devices. The efficiency of CLF-MR_1 was compared with a second controller called CLF-MR_2, which operates using an inference system based on linguistic parameters. Results obtained show that CLF-MR_1 significantly improves the dynamic response of the building, compared to the results obtained with CLF-MR_2 and the uncontrolled condition of the building.

RESUMO Esta pesquisa apresenta uma metodologia para otimizar as forças de controle em edifícios sujeitos a cargas sísmicas. Foi desenvolvido um sistema de controle denominado CLF-MR_1, que combina um algoritmo genético de classificação não dominada NSGA-II e um sistema de controle baseado em lógica difusa. O controlador foi testado numericamente em um edifício real de 96 m de altura, no qual foram instalados 6 amortecedores magnetorheológicos MR. A estrutura foi submetida a 8 acelerações de terremoto com diferentes faixas de frequência. Os parâmetros de entrada para o sistema de controle proposto foram os deslocamentos e as velocidades do primeiro andar do edifício, e a tensão dos dispositivos MR foi definida como o único parâmetro de saída. A eficiência do CLF-MR_1 foi comparada com um segundo controlador chamado CLF-MR_2, que opera usando um sistema de inferência baseado em parâmetros linguísticos. Os resultados obtidos indicam que o CLF-MR_1 melhora significativamente a resposta dinâmica do edifício, em comparação com os resultados obtidos com o CLF-MR_2 e a condição não controlada do edifício.

Resumen La visión por computadora (VC) puede ser un proceso que facilite algunas tareas en la gestión de inventarios, por medio de este proceso se puede realizar un análisis permanente de un inventario y así mantener registro de todos los movimientos realizados, entregando un reporte instantáneo cuando sea requerido. Esto supone una mejora en la seguridad, ya que al mantener un control estricto de los elementos existentes en el inventario se puede saber si un elemento pertenece o no a un inventario o cuando se retira o agrega un elemento, tras esta necesidad de control de inventario, surge la necesidad de diseñar un sistema inteligente que pueda facilitar el control de inventarios. Mediante la combinación de 2 frameworks, se realiza la creación de un algoritmo capaz de realizar la identificación y conteo de objetos, así como la identificación de la mano para determinar cuándo se realiza una manipulación humana al inventario. Para lograr este objetivo, se utilizaron dos algoritmos: MediaPipe y YOLOv5 combinado con el dataset de COCO, el primero se usó para la detección de manos y el segundo identifica y cuenta los objetos. Después de las pruebas realizadas al algoritmo se determina que el reconocimiento de manos de MediaPipe tuvo una precisión del 96% y la detección y clasificación de objetos usando YOLO fue de 43.7%. Teniendo como retos el algoritmo la superposición, la oclusión/auto oclusión de los objetos, o la pérdida de foco de los elementos debido al sensor.

Abstract Computer vision (CV) can be a process that facilitates some tasks in inventory management, through this process a permanent analysis of an inventory can be performed and thus keep record of all movements made, delivering an instant report when required. This means an improvement in security, since by keeping a strict control of the existing elements in the inventory it is possible to know if an element belongs or not to an inventory or when an element is removed or added, after this need for inventory control, the need arises to design an intelligent system that can facilitate inventory control. Through the combination of 2 frameworks, the creation of an algorithm capable of performing the identification and counting of objects, as well as the identification of the hand to determine when a human manipulation is performed to the inventory. To achieve this objective, two algorithms were used: MediaPipe and YOLOv5 combined with the COCO dataset, the first one was used for hand detection and the second one identifies and counts the objects. After testing the algorithm, it was determined that the hand recognition of MediaPipe had an accuracy of 96% and the detection and classification of objects using YOLO was 43.7%. Challenges for the algorithm were overlapping, occlusion/self-occlusion of objects, or loss of focus of items due to the sensor.

Resumen El cáncer de piel es una enfermedad peligrosa y potencialmente letal que aumenta constantemente en los reportes de casos de cáncer a nivel mundial. Los signos de cáncer de piel pueden incluir cambios en la apariencia de los lunares o la aparición de nuevas manchas en la piel. La detección temprana es fundamental, ya que muchos tipos de cáncer de piel responden bien al tratamiento si se abordan en las etapas iniciales. Para el apoyo en el diagnóstico de esta enfermedad se emplean herramientas de diagnóstico asistido. Este artículo presenta HASCC, un algoritmo híbrido implementado mediante una interfaz gráfica de usuario para la clasificación del cáncer de piel. El algoritmo integra procesamiento de imágenes, extracción de características mediante el algoritmo VGG16 con reducción de componentes mediante PCA y clasificación mediante XGBoost entrenado con imágenes del Conjunto de Datos HAM10000. El algoritmo híbrido se ejecutó y se probó sobre un sistema embebido Raspberry Pi 4. HASCC se comparó a nivel hardware y a nivel software con otros métodos y arquitecturas de inteligencia computacional, y se obtuvo que el sistema propuesto mostró mejores notables en términos de precisión, que osciló entre el 88.2 % y 93.2 %, con un tiempo promedio de ejecución de 250 milisegundos a baja demanda de recursos de máquina durante el proceso de diagnóstico. Adicionalmente, el rendimiento de HASCC se comparó contra investigaciones previas enfocadas a la detección y clasificación de cáncer de piel. El rendimiento a nivel hardware demuestra que HASCC es viable para implementación en dispositivos microprocesadores de placa única, y con su desempeño a nivel de software se infiere que es viable para el apoyo en el diagnóstico y clasificación del cáncer de piel.

Abstract Skin cancer is a dangerous and potentially lethal disease that is steadily increasing worldwide. Signs of skin cancer may include changes in the appearance of moles or the emergence of new spots on the skin. Early detection is crucial, as many types of skin cancer respond well to treatment when addressed in the early stages. Computer-aided diagnostic tools are employed to aid in the diagnosis of this disease. This article introduces HASCC, a hybrid algorithm implemented through a graphical user interface for skin cancer classification. The algorithm integrates image processing, feature extraction using the VGG16 algorithm with component reduction through PCA, and classification using XGBoost trained on images from the HAM10000 dataset. The hybrid algorithm was executed and tested on a Raspberry Pi 4 embedded system. HASCC was compared at both hardware and software levels with other computational intelligence methods and architectures, revealing notable improvements in terms of accuracy, ranging from 88.2% to 93.2%, with an average execution time of 250 milliseconds at low machine resource demand during the diagnostic process. Additionally, HASCC's performance was compared against previous research focused on skin cancer detection and classification. The hardware performance demonstrates that HASCC can be implemented on single-board microprocessor devices, and its software performance suggests viability for supporting the diagnosis and classification of skin cancer.

Resumo O câncer de pele é uma doença perigosa e potencialmente letal que vem aumentando constantemente nos relatos de casos de câncer em todo o mundo. Os sinais de câncer de pele podem incluir alterações na aparência de manchas ou aparecimento de novas manchas na pele. A detecção precoce é essencial, pois muitos tipos de câncer de pele respondem bem ao tratamento se tratados nos estágios iniciais. Ferramentas de diagnóstico assistido são utilizadas para apoiar o diagnóstico desta doença. Este artigo apresenta o HASCC, um algoritmo híbrido implementado usando uma interface gráfica de usuário para classificação do câncer de pele. O algoritmo integra processamento de imagens, extração de características usando o algoritmo VGG16 com redução de componentes usando PCA e classificação usando XGBoost treinado com imagens do Dataset HAM10000. O algoritmo híbrido foi executado e testado em um sistema embarcado Raspberry Pi 4 e comparado a nível de hardware e a nível de software com outros métodos e arquiteturas de inteligência computacional, e obteve-se que o sistema proposto apresentou melhores resultados em termos de precisão. , que variou de 88,2% a 93,2%, com tempo médio de execução de 250 milissegundos com baixa demanda de recursos da máquina durante o processo de diagnóstico. Além disso, o desempenho do HASCC foi comparado com pesquisas anteriores focadas na detecção e classificação do câncer de pele. O desempenho ao nível do hardware demonstra que o HASCC é viável para implementação em dispositivos microprocessados de placa única, e com o seu desempenho ao nível do software infere-se que é viável para apoiar o diagnóstico e classificação do cancro da pele.

RESUMEN Introducción: El hipocampo es una de las estructuras cerebrales más estudiadas para el desarrollo de la enfermedad de Alzheimer porque su morfología se afecta desde la etapa de deterioro cognitivo leve. Las métricas cuantitativas evalúan los cambios morfológicos de diferentes estructuras cerebrales mediante el análisis de neuroimágenes. La compacidad discreta y la tortuosidad se han reportado como posibles biomarcadores de cambios significativos entre poblaciones de sujetos controles sanos y sujetos con deterioro cognitivo leve. Objetivo: Evaluar el desempeño de la compacidad discreta y la tortuosidad en el hipocampo (derecho e izquierdo) como posibles biomarcadores de neuroimágenes de resonancia magnética para discriminar entre las poblaciones de sujetos controles y sujetos con deterioro cognitivo leve. Métodos: Se analizaron 98 sujetos, de ellos 49 sanos y 49 con deterioro cognitivo leve. Las imágenes de resonancia magnética y otros datos de los pacientes se obtuvieron de la base de datos del Alzheimer's Disease Neuroimaging Initiative. Se segmentó la estructura del hipocampo (derecho e izquierdo) mediante técnicas de procesamiento de imágenes y se calcularon las métricas de volumen, volumen normalizado, compacidad discreta y tortuosidad. Se realizó un análisis estadístico de los datos con el objetivo de diferenciar las clases. Las métricas se incorporaron a un clasificador automático de bosques aleatorios para discriminar entre las poblaciones de estudio. Resultados: El análisis estadístico presentó diferencias estadísticamente significativas para las métricas calculadas con un valor de p < 0,01 entre las dos clases de estudio. El algoritmo de clasificación automático de bosques aleatorios, a partir de los indicadores de volumen, volumen normalizado, compacidad discreta y tortuosidad, logró una exactitud en la etapa de entrenamiento del 89,83 % ± 0,052 %. Para la etapa de prueba con datos reservados, la exactitud final fue del 85 %. Conclusiones: La compacidad discreta y la tortuosidad resultan sensibles a los cambios morfológicos del hipocampo derecho e izquierdo, y pueden caracterizar la etapa de deterioro cognitivo leve; por tanto, pueden considerarse biomarcadores de imágenes, útiles para la detección del deterioro cognitivo leve cuando comienzan a presentarse los primeros síntomas de la enfermedad de Alzheimer.

ABSTRACT Introduction: The hippocampus is one of the most studied brain structures in the development of Alzheimer's disease because its morphology is affected from the stage of mild cognitive impairment. Quantitative metrics assess morphological changes of different brain structures by neuroimaging analysis. Discrete compactness and tortuosity have been reported as possible biomarkers of significant changes between populations of healthy control subjects and subjects with mild cognitive impairment. Purpose: To evaluate the performance of discrete compactness and tortuosity in the hippocampi (right and left) as possible magnetic resonance neuroimaging biomarkers to discriminate between populations of controls and subjects with mild cognitive impairment. Methods: 98 subjects were analyzed, including 49 healthy and 49 with mild cognitive impairment. Magnetic resonance images and other patient data were obtained from the Alzheimer's Disease Neuroimaging Initiative (ADNI) database. The structure of the hippocampi (right and left) was segmented using image processing techniques and volume, normalized volume, discrete compactness and tortuosity metrics were calculated. Statistical analysis of the data was performed in order to differentiate the classes. The metrics were incorporated into an automatic random forest classifier to discriminate between study populations. Results: The statistical analysis showed statistically significant differences for the calculated metrics with a p-value < 0.01 between the two study classes. The automatic random forest classification algorithm, based on the indicators of volume, normalized volume, discrete compactness and tortuosity, achieved an accuracy in the training stage of 89.83 % ± 0.052 %. For the test stage with reserved data, the final accuracy was 85 %. Conclusions: Discrete compactness and tortuosity are sensitive to morphological changes in the right and left hippocampus, and characterize the stage of mild cognitive impairment; therefore, they can be considered imaging biomarkers, useful in the detection of mild cognitive impairment when the first symptoms of Alzheimer's disease begin to appear.

RESUMEN Introducción: Para el mejor tratamiento del paciente con úlceras neuropáticas es importante tener identificado el grado y origen de la lesión. En este sentido, se han propuesto diversos sistemas de clasificación; entre los más importantes están la clasificación de Wagner y la de Texas. Objetivo: Determinar la efectividad de los algoritmos de intervención de enfermería en adultos mayores con úlcera neuropática en la comunidad. Métodos: Estudio descriptivo longitudinal de corte en 77 adultos mayores con úlceras neuropáticas en el Centro de Salud “Mártires de Cuito” de Bie, Angola, en el período enero-diciembre de 2023. La información obtenida fue procesada, validada y analizada con métodos computacionales, mediante el paquete Microsoft Office 2024 y el sistema estadístico Epi-Info-versión 1.4.3. de la Organización Mundial de la Salud. El análisis estadístico se realizó a través del paquete estadístico SPSS versión 23 para Windows. Resultados: De las intervenciones independientes brindadas a los 77 adultos mayores, según edad y presencia de úlceras neuropáticas, el 46,75 % pertenecía al sexo femenino y el 53,24 % al masculino; de ellos presentaron úlceras neuropáticas cuatro pacientes (5,19 %). Predominó el grupo de edades de 71-75 años, que reportó 31,16 % y 54,54 % de adultos mayores con úlceras neuropáticas. En la clasificación de Wagner sobresalió el acceso por osteomielitis (45,45 %) y el nivel de autocuidado demostró que el 71,42 % practicaba poco su autocuidado. Conclusiones: La implementación de un algoritmo para la atención a adultos mayores con úlcera neuropática facilita precisar el grupo de edad predominante con esta afección, la clasificación de Wagner y la práctica de autocuidado.

ABSTRACT Introduction: For the best treatment of patients with neuropathic ulcers, it is important to identify the degree and origin of the lesion. In this respect, several classification systems have been proposed; among the most important are the Wagner and Texas classification systems. Objective: To determine the effectiveness of nursing intervention algorithms in older adults with neuropathic ulcers in the community. Methods: A longitudinal and descriptive study was carried out of 77 older adults with neuropathic ulcers at Mártires de Cuito health center in Bie, Angola, in the period January-December 2023. The obtained information was processed, validated and analyzed by computational methods, using the Microsoft Office 2024 package and the statistical system Epi-Info-version 1.4.3 of the World Health Organization. Statistical analysis was performed using the SPSS statistical package (version 23) for Windows. Results: Of the independent interventions provided to the 77 older adults, according to age and presence of neuropathic ulcers, 46.75 % were female and 53.24 % were male; 4 patients (5.19 %) presented neuropathic ulcers. There was a predominance of the age group 71-75 years, accounting for 31.16 % and 54.54 % of older adults with neuropathic ulcers. According to the Wagner classification, access for osteomyelitis (45.45 %) was remarkable, whilw the level of self-care showed that 71.42 % performed little self-care. Conclusions: The implementation of an algorithm for the care of older adults with neuropathic ulcer makes it easier to identify the predominant age group with this condition, Wagner's classification and self-care practice.

Objetivo: descrever o desenvolvimento de um modelo classificador preditivo da carga de trabalho de enfermagem, utilizando inteligência artificial. Método: estudo observacional retrospectivo, em fontes secundárias de registros eletrônicos de pacientes, com uso de aprendizado de máquina. A amostra por conveniência constituiu-se de 43.871 avaliações realizadas por enfermeiras assistenciais com o Sistema de Classificação de Pacientes de Perroca, as quais serviram como padrão ouro, e os dados clínicos do prontuário eletrônico de 11.774 pacientes, que constituíram as variáveis. Para a organização dos dados e a realização das análises, utilizou-se a plataforma de ciência de dados Dataiku ® . A análise dos dados ocorreu de forma exploratória, descritiva e preditiva. Estudo aprovado pelo Comitê de Ética e Pesquisa da instituição campo do estudo. Resultados: o uso de inteligência artificial possibilitou o desenvolvimento do modelo classificador de avaliação da carga de trabalho de enfermagem, identificando as variáveis que mais contribuíram para a sua predição. O algoritmo classificou corretamente 72% das variáveis e a área sob a curva Receiver Operating Characteristic foi de 82%. Conclusão: houve o desenvolvimento de um modelo preditivo, demonstrando que é possível treinar algoritmos com dados do prontuário eletrônico do paciente para predizer a carga de trabalho de enfermagem e que as ferramentas da inteligência artificial podem ser efetivas para a automatização desta atividade. Objetivo Método retrospectivo pacientes máquina constituiuse constituiu se 43871 43 871 43.87 Perroca ouro 11774 11 774 11.77 análises utilizouse utilizou exploratória preditiva Resultados predição 72 82 82% Conclusão atividade 4387 4 87 43.8 1177 1 77 11.7 7 8 438 43. 117 11.

Objetivo: describir el desarrollo de un modelo clasificador predictivo de la carga de trabajo de enfermería, utilizando inteligencia artificial. Método: estudio observacional retrospectivo, en fuentes secundarias de registros electrónicos de pacientes, con uso de aprendizaje automático. La muestra por conveniencia se constituyó de 43.871 evaluaciones realizadas por enfermeras asistenciales con el Sistema de Clasificación de Pacientes de Perroca, que sirvieron como patrón oro, y datos clínicos del expediente electrónico de 11.774 pacientes, que constituyeron las variables. Para la organización de los datos y la realización de los análisis se utilizó la plataforma de ciencia de datos Dataiku ® . El análisis de los datos ocurrió de forma exploratoria, descriptiva y predictiva. Estudio aprobado por el Comité de Ética e Investigación de la institución campo del estudio. Resultados: el uso de inteligencia artificial posibilitó el desarrollo del modelo clasificador de evaluación de la carga de trabajo de enfermería, identificando las variables que más contribuyeron para su predicción. El algoritmo clasificó correctamente el 72% de las variables y el área bajo la curva Receiver Operating Characteristic fue del 82%. Conclusión: hubo el desarrollo de un modelo predictivo, demostrando que es posible entrenar algoritmos con datos del expediente electrónico del paciente para predecir la carga de trabajo de enfermería y que las herramientas de inteligencia artificial pueden ser efectivas para la automatización de esta actividad. Objetivo Método retrospectivo pacientes automático 43871 43 871 43.87 Perroca oro 11774 11 774 11.77 exploratoria predictiva Resultados predicción 72 82 82% Conclusión actividad 4387 4 87 43.8 1177 1 77 11.7 7 8 438 43. 117 11.

Objective: to describe the development of a predictive nursing workload classifier model, using artificial intelligence. Method: retrospective observational study, using secondary sources of electronic patient records, using machine learning. The convenience sample consisted of 43,871 assessments carried out by clinical nurses using the Perroca Patient Classification System, which served as the gold standard, and clinical data from the electronic medical records of 11,774 patients, which constituted the variables. In order to organize the data and carry out the analysis, the Dataiku® data science platform was used. Data analysis occurred in an exploratory, descriptive and predictive manner. The study was approved by the Ethics and Research Committee of the institution where the study was carried out. Results: the use of artificial intelligence enabled the development of the nursing workload assessment classifier model, identifying the variables that most contributed to its prediction. The algorithm correctly classified 72% of the variables and the area under the Receiver Operating Characteristic curve was 82%. Conclusion: a predictive model was developed, demonstrating that it is possible to train algorithms with data from the patient’s electronic medical record to predict the nursing workload and that artificial intelligence tools can be effective in automating this activity. Objective Method learning 43871 43 871 43,87 System standard 11774 11 774 11,77 patients Dataiku used exploratory manner Results prediction 72 82 82% Conclusion developed s activity 4387 4 87 43,8 1177 1 77 11,7 7 8 438 43, 117 11,

RESUMO Esta pesquisa propõe um algoritmo abrangente de aprendizado profundo para compreender o papel das redes sociais na percepção do consumidor em relação ao consumo sustentável. Após o surgimento da Covid-19, a sociedade tem apresentado um foco maior sobre a relação entre as pessoas e a natureza. Alcançar os objetivos de desenvolvimento sustentável requer a promoção do consumo verde, o que exige compreender e influenciar as atitudes públicas em relação à sustentabilidade. Enquanto estudos anteriores exploraram o consumo sustentável usando modelos comportamentais e pesquisas, muitas vezes negligenciaram a perspectiva das redes sociais. Utilizando técnicas de aprendizado profundo, este estudo visa analisar dados das redes sociais, incluindo conteúdo de texto e vídeo, para obter insights sobre o comportamento e preferências do consumidor. O estudo envolve a coleta de dados do X (antigo Twitter) e do YouTube, o desenvolvimento de algoritmos de aprendizado profundo para classificação de texto e a criação de um sistema de visualização e relatório. Mais especificamente, este estudo visa analisar o impacto do compartilhamento de informações nas redes sociais nas intenções de compra sustentável da sociedade e propor arquiteturas avançadas para mineração de texto, especificamente o método LDA. Este estudo destaca os insights obtidos da análise do discurso das redes sociais sobre o consumo sustentável. Tendências, atitudes emocionais e engajamento foram examinados usando mineração de texto e análise de sentimento. O estudo revela diferenças específicas da plataforma no sentimento e identifica palavraschave e frases influentes. A análise também revela respostas emocionais e fatores-chave associados ao discurso sobre consumo sustentável. Os resultados podem apoiar na construção de futuras estratégias para promover o consumo sustentável. O estudo conclui enfatizando a importância de pesquisas adicionais para explorar as discrepâncias entre as plataformas e aproveitar as implicações dessas descobertas para estratégias de consumo sustentável. Covid19, Covid19 Covid 19, 19 Covid-19 natureza verde sustentabilidade vídeo antigo Twitter YouTube relatório LDA Tendências influentes fatoreschave fatores chave Covid1 1 Covid-1 Covid-

RESUMEN Este artículo de investigación propone un algoritmo de aprendizaje profundo integral para comprender el papel de las redes sociales en la percepción del consumidor hacia el consumo verde. Después del brote de la COVID-19, la sociedad ha mostrado un mayor enfoque en la relación entre las personas y la naturaleza. Lograr los objetivos de desarrollo sostenible requiere promover el consumo verde, lo que implica comprender e influir en las actitudes públicas hacia la sostenibilidad. Si bien investigaciones previas han explorado el consumo verde utilizando modelos de comportamiento y encuestas, a menudo pasan por alto la perspectiva de las redes sociales. Aprovechando técnicas de aprendizaje profundo, este estudio tiene como objetivo analizar datos de las redes sociales, incluido contenido de texto y video, para obtener información sobre el comportamiento y las preferencias del consumidor. El estudio implica la recopilación de datos de X (anteriormente Twitter) y YouTube, el desarrollo de algoritmos de aprendizaje profundo para la clasificación de texto y la creación de un sistema de visualización e informes. Más específicamente, este estudio tiene como objetivo analizar el impacto de compartir información en las redes sociales en las intenciones de compra verde de la sociedad y proponer arquitecturas avanzadas para la minería de texto, específicamente el método LDA. Este estudio destaca las valiosas ideas obtenidas al analizar el discurso en las redes sociales sobre el consumo verde. Se examinaron tendencias, actitudes emocionales y participación mediante minería de texto y análisis de sentimiento. El estudio revela diferencias específicas de la plataforma en el sentimiento e identifica palabras clave y frases influyentes. El análisis también descubre respuestas emocionales y factores clave asociados con el discurso sobre el consumo verde. Los hallazgos pueden informar estrategias futuras para promover el consumo sostenible. El estudio concluye enfatizando la importancia de investigaciones adicionales para explorar las discrepancias entre plataformas y aprovechar las implicaciones de estos hallazgos para las estrategias de consumo sostenible. COVID19, COVID19 COVID 19, 19 COVID-19 naturaleza sostenibilidad encuestas video anteriormente Twitter YouTube informes LDA tendencias influyentes COVID1 1 COVID-1 COVID-

ABSTRACT This research proposes a comprehensive deep-learning algorithm to understand the role of social media in consumer perception of green consumption. After the COVID-19 pandemic, society has shown increased focus on the relationship between people and nature. Achieving sustainable development goals requires promoting green consumption, which necessitates understanding and influencing public attitudes toward sustainability. While previous studies have explored green consumption using behavioral models and surveys, they often overlook the perspective of social media. This study uses deep learning techniques to analyze social media data, including text and video content, to gain insights into consumer behavior and preferences. The study entails collecting data from X (former Twitter) and YouTube, developing deep learning algorithms for text classification, and creating a visualization and reporting system. More specifically, this study aims to analyze the impact of social media information sharing on society’s green purchasing intentions and proposes advanced architectures for text mining specifically the LDA method. This study highlights the valuable insights from analyzing social media discourse on green consumption. Trends, emotional attitudes, and engagement were examined using text mining and sentiment analysis. The study reveals platform-specific differences in sentiment and identifies influential keywords and phrases. The analysis also uncovers emotional responses and key factors associated with the discourse on green consumption. The findings can inform future strategies for promoting sustainable consumption. The study concludes by emphasizing the importance of further research to explore the discrepancies between platforms and harness the implications of these findings for sustainable consumption strategies. deeplearning COVID19 COVID 19 COVID-1 pandemic nature sustainability surveys content preferences former Twitter YouTube classification system societys s method Trends platformspecific platform specific phrases COVID1 1 COVID-

Resumen Se presenta la aplicación de técnicas de Procesamiento de Lenguaje Natural para el análisis de textos, describiendo el proceso realizado desde la extracción de datos hasta la identificación y detección de opiniones de manera automática. Los textos analizados fueron columnas de opinión que reflejan los criterios de las personas sobre temas de actualidad. Lo anterior con el fin de proporcionar una manera ágil de identificar los temas de interés en la comunidad para proporcionar a los interesados de forma resumida lo que se expresa sobre estos temas. Para tal fin, se implementó un algoritmo que permite extraer información de manera precisa y limpia desde páginas web y posteriormente otro algoritmo que se encarga de efectuar la categorización automática de la información extraída, generando un resumen preciso de los principales temas en cada escrito.

Abstract The application of Natural Language Processing techniques for text analysis is presented, describing the process carried out from data extraction to the identification and detection of opinions automatically. The texts analyzed were opinion columns that reflect the criteria of people on current issues. The foregoing to provide an agile way to identify topics of interest in the community to provide those interested in a summary of what is expressed on these topics. For this purpose, an algorithm was implemented that allows information to be extracted accurately and cleanly from web pages and later another algorithm that oversees carrying out the automatic categorization of the extracted information, generating an accurate summary of the main topics in each writing.

Resumen El análisis de código estático (SA) es el proceso de encontrar vulnerabilidades en el software. Este proceso se ha vuelto popular y una de las fases más evaluadas en el proceso de integración continua de software. Sin embargo, la literatura se encuentra dispersa en diferentes propuestas y faltan investigaciones que muestran las principales contribuciones y aplicaciones a este tema. El propósito de este artículo es identificar las principales contribuciones conceptuales de SA utilizando el algoritmo Tree of Science. Los resultados muestran tres ramas principales de esta área: aprendizaje automático para la detección de olores, técnicas de clasificación accionables y herramientas de alerta técnica. La Inteligencia Artificial ha estado transformando SA y los programadores tendrán acceso a herramientas más sofisticadas.

Abstract Static Code Analysis (SA) is the process of finding vulnerabilities in software. This process has become popular and one of the most evaluated phases in the process of continuous integration of software. However, the literature is spread over different proposals and there is a lack of research that shows the main contributions and applications to this topic. The purpose of this paper is to identify the main conceptual contributions of SA using the Tree of Science algorithm. The results show three main branches of this area: machine learning for smell detection, actionable ranking techniques, and Technical alert tools. Artificial Intelligence has been transforming SA and programmers will have access to more sophisticated tools.

RESUMEN El trabajo tiene como objetivo cuantificar el efecto de la pandemia Covid-19 en el mercado de valores de Colombia mediante un análisis comparativo de dos períodos de 483 días bursátiles cada uno: uno antes de la pandemia y otro durante la pandemia. Esto permitió determinar el riesgo, la rentabilidad, el índice de Sharpe y Beta de las acciones que conforman el índice Colcap, así como el riesgo, rendimiento, beta e índice de Sharpe de los portafolios de mínima varianza, máxima rentabilidad y el portafolio que maximiza el índice de Sharpe. Cabe mencionar que el análisis se desarrolló utilizando la teoría general de portafolios de Harry Markowitz y William Sharpe, para lo cual se diseñó un algoritmo en lenguaje Python. Los resultados del análisis mostraron que el 64 % de las acciones presentaron rendimientos positivos en el período previo a la pandemia, en comparación con el período de plena pandemia, donde solamente el 20 % de las acciones analizadas mostraron rendimientos positivos. Además, se observó que el portafolio óptimo de Sharpe estuvo conformado por 10 acciones en el período antes de la pandemia y solo 2 acciones durante la plena pandemia. CLASIFICACIÓN JEL: I18, G14, G17, G12 CONTENIDO Introducción; 1. Marco teórico; 2. Metodología; 3. Análisis y resultado de la investigación; 4. Conclusiones; Referencias.

ABSTRACT This article aims to quantify the effect of the COVID-19 pandemic on the Colombian stock market, through a comparative analysis of two periods of 483 trading days each: one before the pandemic and the other one in the middle of the pandemic. This allowed to calculate the risk, profitability, Sharpe ration and Beta of the stocks that make up the Colcap index, as well as the risk, return, Sharpe ratio and Beta on minimum variance, maximum profitability portfolios, as well as the portfolio that maximizes the Sharpe ratio. It is worth noting that this analysis was developed using the Harry Markowitz and William Sharpe's general portfolio theory, for which a Python algorithm was designed. The analysis found that 64% of the shares yielded positive returns in the period prior to the pandemic, compared to the full pandemic period, when only 20% of the analyzed shares yielded positive returns. In addition, Sharpe's optimal portfolio was made up of 10 stocks in the prior pandemic period and only 2 stocks, in the full pandemic period. JEL CLASSIFICATION: I18, G14, G17, G12 CONTENTS Introduction 1. Theorical Framework; 2. Methodology; 3. Analysis and Research Results; 4. Conclusions; References.

RESUMO Este artigo procura quantificar o efeito da pandemia de COVID-19 no mercado de ações colombiano por meio de uma análise comparativa de dois períodos de 483 dias de negociação cada um: um antes da pandemia e durante a pandemia. Isso nos permitiu determinar o risco, o retorno, o Índice de Sharpe e o Beta das ações que compõem o índice Colcap, bem como o risco, o retorno, o beta e o Índice de Sharpe das carteiras de variância mínima, retorno máximo assim que a maximização do Índice de Sharpe. Vale mencionar que a análise foi desenvolvida usando a teoria geral de portfólio de Harry Markowitz e William Sharpe, para a qual foi projetado um algoritmo em linguagem Python. Os resultados da análise mostraram que 64% das ações apresentaram retornos positivos no período pré-pandêmico, em comparação com o período completo da pandemia, em que apenas 20% das ações analisadas apresentaram retornos positivos. Além disso, observou-se que a carteira Sharpe ideal consistia em 10 ações no período pré-pandêmico e apenas 2 ações durante a pandemia total. CLASSIFICAÇÃO JEL: I18, G14, G17, G12 CONTEÚDO Introdução 1. Enquadramento teórico; 2. Metodologia; 3. Análise de resultados; 4. Conclusões; Referências