Examinando por Autor "Albino Pérez, Mary Leidy"

Mostrando 1 - 2 de 2
  • Miniatura
    ÍtemAcceso abierto
    Obtención de nanopartículas compuestas basadas en alginato de sodio e hidroxiapatita con potenciales aplicaciones en el campo de la ingeniería biomédica
    (2025) Gómez Cataño, Juan Alejandro; Giraldo Restrepo, Miguel; Albino Pérez, Mary Leidy; Agudelo Pérez, Natalia Andrea; Echeverri Cuartas, Claudia Elena
    Las nanopartículas poliméricas son especialmente prometedoras en el campo de la ingeniería biomédica debido a su capacidad para proporcionar una liberación controlada de fármacos, además de mejorar la biocompatibilidad. En particular, las nanopartículas tipo core-shell presentan ventajas significativas frente a las nanopartículas simples. Estas estructuras, compuestas por un núcleo de un material recubierto por otro diferente, ofrecen mejoras como menor citotoxicidad, mayor dispersabilidad, mejor biocompatibilidad y citocompatibilidad, mayor capacidad de conjugación con moléculas bioactivas, así como una estabilidad térmica y química superior. Polímeros como el alginato de sodio y materiales cerámicos como la hidroxiapatita de fosfato de calcio (HA) han despertado especial interés en el desarrollo de soluciones biomédicas, debido a sus propiedades de biocompatibilidad, biodegradabilidad, no toxicidad, mucoadhesión, gelificación y formación de películas. La hidroxiapatita en particular destaca por estrecha similitud química con el hueso natural, lo cual ha motivado una amplia investigación en el uso de HA sintética como sustituto óseo o material de reemplazo en aplicaciones biomédicas. El uso de HA a escala nanométrica es especialmente relevante, ya que en este tamaño se ha reportado un aumento significativo en la adsorción de proteínas y en la adhesión de osteoblastos. De lo reportado en la literatura, la combinación de estos dos materiales se ha reportado para obtener hidrogeles implantables o inyectables y micropartículas, pero no nanopartícula; por lo tanto, en este trabajo se propone la estandarización de un protocolo que permita obtener nanopartículas compuestas tipo core-shell de manera sencilla, replicable y reproducible. Para ello, se variaron las cantidades de reactivos y se evaluaron diferentes tasas de goteo, así como tiempos de estabilización y mezcla de soluciones, con el fin de determinar su influencia en el tamaño de las nanopartículas. Asimismo, se sintetizó HA, la cual se empleó como núcleo en la formación de nanopartículas compuestas tipo core-shell mediante el método de síntesis por precipitación, utilizando alginato de sodio como recubrimiento. Las partículas obtenidas presentaron el menor tamaño tuvieron un diámetro promedio de 165,5 nm y un índice de polidispersidad de 0,204. Se ha podido concluir que es posible obtener nanopartículas de menor tamaño al emulsionar previamente la solución que contiene los polímeros antes del goteo, y al realizar dicho goteo de forma manual. El trabajo continúa enfocado en la optimización del protocolo con el objetivo de alcanzar tamaños aún menores, similares a los nanocristales presentes en tejido óseo.
  • Miniatura
    PublicaciónAcceso abierto
    Semillero de investigación de procesamiento y deteccion de patrones en señales 2024-2
    (Universidad EIA, 2024) Alzate Márquez, Mateo; Albino Pérez, Mary Leidy; Arcila Trejos, Juan José; Tobón Gallego, Mateo; Jaramillo, Alejandra Sofía
    RESUMEN: En el semillero del semestre 2024_2 se explora la clasificación de estados emocionales de "Felicidad" y "Tristeza" utilizando un modelo Random Forest entrenado con datos de señales de ECG obtenidas mediante estímulos musicales. Siguiendo el protocolo descrito en "Automatic ECG-Based Emotion Recognition in Music Listening" de Hsu et al. y empleando la Geneva Emotional Music Scale (GEMS), se realizó un experimento con participantes saludables de entre 15 y 25 años. Las señales se adquirieron utilizando la plataforma MAXREFDES104 Health Sensor en un entorno controlado, con dos listas de reproducción diseñadas para evocar emociones felices y tristes. El preprocesamiento, la extracción de características y el análisis se llevaron a cabo en Python, logrando una precisión del 75% mediante validación cruzada estratificada. A pesar de las limitaciones del conjunto de datos, los resultados destacan el potencial de las señales de ECG para el reconocimiento emocional en áreas como la psicología, la educación y la robótica asistencial. Los trabajos futuros se enfocarán en ampliar el conjunto de datos y explorar modelos avanzados, como redes neuronales convolucionales, para mejorar la precisión y robustez.