Oferta de Trabajos Fin de Grado (TFG) y Trabajos Fin de Máster (TFM)
El grupo SIMDA ofrece la posibilidad de desarrollar Trabajos Fin de Grado (TFG) y Trabajos Fin de Máster (TFM) en distintas áreas de la Inteligencia Artificial, como el análisis de imágenes y datos, la robótica, la ingeniería del conocimiento, el aprendizaje automático y otras disciplinas afines.
Siempre que sea posible, los trabajos se enmarcanrán en proyectos de investigación activos del grupo, lo que permite al estudiante participar en desarrollos con un marcado carácter científico y tecnológico, orientados a aplicaciones de impacto en ámbitos como la salud, la ingeniería y otros sectores de interés.
A continuación se muestran algunas de las líneas de investigación ofertadas por el grupo, junto con el profesorado responsable de cada una de ellas. Explore las diferentes propuestas y elija la que mejor se adapte a sus intereses, conocimientos y objetivos de formación.
🦷 Cáncer Oral y Análisis Inteligente de Lesiones
Línea de investigación: Visión Artificial, Aprendizaje Automático e IA Generativa aplicados a la Odontología.
Responsable: Dra. Margarita Bachiller Mayoral
Posibles TFG / TFM
-
Clasificación automática de lesiones orales mediante Deep Learning
Diseño y evaluación de redes neuronales para diferenciar lesiones benignas y
potencialmente malignas a partir de fotografías clínicas.
-
Segmentación automática de lesiones en imágenes intraorales
Desarrollo de algoritmos de segmentación utilizando técnicas clásicas de visión
artificial o modelos basados en U-Net.
-
Análisis de explicabilidad (Explainable AI)
Estudio de mapas de activación (Grad-CAM, Score-CAM, etc.) para interpretar las
decisiones de modelos de clasificación médica.
-
Desarrollo de una aplicación web para ayuda al diagnóstico
Implementación de un prototipo para visualizar imágenes, realizar inferencias y
mostrar resultados de clasificación.
-
IA generativa para la síntesis de imágenes de lesiones orales
Desarrollo y evaluación de modelos basados en GANs y Modelos de Difusión para
generar imágenes sintéticas que mejoren el entrenamiento y la validación de sistemas
de diagnóstico asistido por Inteligencia Artificial.
🧠 Neuropsicología y Detección Temprana del Deterioro Cognitivo
Línea de investigación: Inteligencia Artificial aplicada a la Salud Cognitiva.
Responsable: Dra. Estela Díaz López
Posibles TFG / TFM
-
Clasificación automática de deterioro cognitivo mediante Machine Learning
Evaluación de diferentes algoritmos supervisados utilizando datos
neuropsicológicos.
-
Análisis automático de dibujos realizados por pacientes
Extracción de características de pruebas gráficas (por ejemplo, reloj o figuras complejas)
mediante técnicas de visión artificial.
-
Análisis de pruebas realizadas en Realidad Virtual
Estudio de métricas obtenidas durante pruebas cognitivas inmersivas para la
detección temprana del deterioro cognitivo.
-
Análisis de la estrategia de memoria episódica
Análisis de los patrones de selección de productos durante una tarea de compra en un supermercado virtual para caracterizar las estrategias de memoria episódica y desarrollar biomarcadores digitales para la detección temprana del deterioro cognitivo.
-
Visualización interactiva de datos neuropsicológicos
Desarrollo de herramientas de Visual Analytics para apoyar el análisis clínico.
👁️ Neuroprótesis Visuales y Visión Artificial.
Línea de investigación: IA y modelos bioinspirados para visión artificial.
Responsable: Dr. Mariano Rincón Zamorano
Posibles TFG / TFM
-
Simulación de una prótesis visual cortical basada en codificación bioinspirada y mapeo estimulación–fosfeno
Desarrollo de un simulador de prótesis visual cortical basado en el Utah Array, estudiando la relación entre los patrones de estimulación eléctrica y la generación de fosfenos para optimizar la percepción visual en personas con discapacidad visual.
-
Comparación de modelos de visión artificial para neuroprótesis visuales
Evaluación de modelos de detección, segmentación y descripción de escenas para
analizar cuáles proporcionan una información más útil en sistemas de visión
protésica.
-
Modelado bioinspirado del procesamiento retiniano
Implementación de modelos sencillos inspirados en el funcionamiento de la retina
para el preprocesamiento de imágenes.
-
Descripción automática de escenas mediante Inteligencia Artificial
Evaluación de modelos de visión-lenguaje para generar descripciones de escenas
que puedan servir como apoyo al desarrollo de ayudas visuales inteligentes.
-
Detección automática de objetos relevantes en una escena
Aplicación de modelos de detección de objetos para identificar elementos de
interés en entornos cotidianos.
-
Comparación de modelos de visión artificial para asistencia visual
Evaluación del rendimiento de distintos modelos de reconocimiento de objetos y
segmentación semántica en escenarios reales.
-
Descripción inteligente de escenas para personas ciegas
Desarrollo de sistemas basados en Inteligencia Artificial capaces de identificar
los elementos más relevantes de una escena y generar representaciones adaptadas
a usuarios con discapacidad visual.
-
Optimización de patrones de estimulación para el Utah Array
Estudio de estrategias de activación de electrodos para mejorar la generación
de fosfenos y aumentar la calidad de la percepción visual proporcionada por
neuroprótesis corticales.
Para más información sobre cualquiera de estas propuestas o para plantear nuevas
ideas de TFG o TFM relacionadas con estas líneas de investigación, contacte con
el profesor o profesora responsable de la línea correspondiente.