Reconstrucción Isotrópica de Bio-Imágenes 3D
Arquitectura CycleGAN en PyTorch para traslación no pareada imagen a imagen, corrigiendo la distorsión anisotrópica en datos de microscopía de tejidos.
Selección de desarrollos en Scientific Machine Learning (PINNs), Visión por Computadora, arquitectura en AWS y modelado matemático. Haz clic en cada proyecto para explorar su caso de estudio.
Arquitectura CycleGAN en PyTorch para traslación no pareada imagen a imagen, corrigiendo la distorsión anisotrópica en datos de microscopía de tejidos.
Modelo híbrido DenseNet121 + Swin Transformer en PyTorch con pérdida asimétrica ponderada, logrando un 99% de sensibilidad en radiografías de tórax.
Redes Neuronales Informadas por la Física para resolución de EDPs (Burgers 1D, difusión térmica 2D, Navier-Stokes) con APIs en FastAPI y despliegue en AWS EC2.
Modelos de regresión comparativa (Random Forest, XGBoost) en Python y R con pipelines modulares de entrenamiento continuo, servido con FastAPI y Streamlit.
Narrativas de divulgación científica y visualizaciones matemáticas programadas en Python con Manim, conmemorando el vuelo de Yuri Gagarin y la misión Artemis II.