Laboratorio Instituto de Ingeniería en Biomédica
El laboratorio BiomedLab se enorgullece de ser el primer centro de investigación dedicado a la Ingeniería Biomédica en Guatemala. Este innovador laboratorio tiene como misión fundamental investigar, diseñar y desarrollar tecnologías avanzadas que brinden soluciones efectivas a los desafíos actuales en el sector de la salud, tanto en Guatemala como en la región.Además, se enfoca en mejorar las capacidades tecnológicas existentes y en promover la creación de nuevas herramientas que respondan de manera eficiente a las necesidades específicas de nuestra población.
Asimismo, en BiomedLab buscamos fomentar el desarrollo de talento local, impulsando la colaboración nacional e internacional entre académicos, profesionales de la salud y expertos en tecnología. De esta manera, el laboratorio no solo busca ofrecer respuestas a los problemas actuales, sino también anticiparse a los desafíos futuros, posicionándose como un líder en la investigación y desarrollo en el ámbito de la ingeniería biomédica en la región.
Nuestras
Áreas de investigación
Procesamiento y análisis de imágenes médicas
Procesamiento y análisis de señales biomédicas
Instrumentación médica y robótica asistida
XR aplicado a salud
Equipo de
Investigadores
Equipo de
Investigadores
Proyectos
de colaboración
1. NatalIA: herramienta de IA para detección de planos fetales en ultrasonido
El objetivo del proyecto es la creación de una herramienta de software basada en Inteligencia Artificial que permita extraer planos fetales de interés para profesionales de la obstetricia utilizando secuencias de vídeo de ultrasonografía (US) capturadas por proveedores locales de salud quienes no cuentan con entrenamiento para realizar estudios de US.
2. ModulAR: simulador para entrenamiento de procedimientos colonoscopicos.
3. Procesamiento de imágenes de estudios de Cone Beam Computed Tomography para mejorar la precisión diagnóstica. (Colaboración DiagnostiX, Guatemala)
4. Procesamiento de imágenes de Resonancia Magnética de secuencias ASL para mejorar la precisión diagnóstica en eventos cerebrovasculares. (Colaboración Dr. Edgar Salguero, Dept. Neurorradiología Hospital Herrera Llerandi, Guatemala)
5. Estimación de fatiga muscular utilizando miografía de fuerza basada en fibra óptica. (Colaboración Universidad de Campinas, Brasil)
6. Sistema de clasificación de gestos de la mano mediante espectroscopia de infrarrojo cercano. (Colaboración Universidad de Campinas, Brasil)
Publicaciones
del laboratorio
Laser-induced Graphene Electrodes for Urine Osmolarity Estimation through Electrochemical Impedance Spectroscopy
J Fajardo, A González, JL Ordóñez, M Pérez, A Lara
2024 IEEE Latin American Electron Devices Conference (LAEDC), 1-4
FUTURE-AI: International consensus guideline for trustworthy and deployable artificial intelligence in healthcare
K Lekadir, A Feragen, AJ Fofanah, AF Frangi, A Buyx, A Emelie, A Lara, …
arXiv preprint arXiv:2309.12325
Near-Infrared Spectroscopy Driven Human-Machine Interface based on Convolutional Neural Networks
A González, J Illescas, D González, M Pérez, J Fajardo, A Lara
2023 19th International Symposium on Medical Information Processing and Analysis
Deep learning-based image registration in dynamic myocardial perfusion CT imaging
A Lara-Hernandez, T Rienmüller, I Juárez, M Pérez, F Reyna, …
IEEE transactions on medical imaging 42 (3), 684-696
Muscle fatigue estimation based on optical-fiber FMG sensors for FES rehabilitation systems
J. Fajardo, A Gonzalez, A. Lara, E. Fujiwara, E. Rohmer
Abstracts from the IFESS 2021 conferences, Artificial Organs, 2022-03 | Journal article DOI: 10.1111/aor.14132 Part of ISSN: 0160-564X Part of ISSN: 1525-1594
A human-centered machine-learning approach for muscle-tendon junction tracking in ultrasound images
C Leitner, R Jarolim, B Englmair, A Kruse, KAL Hernandez, A Konrad, …
IEEE Transactions on Biomedical Engineering 69 (6), 1920-1930
Deep learning in spatiotemporal cardiac imaging: A review of methodologies and clinical usability
KAL Hernandez, T Rienmüller, D Baumgartner, C Baumgartner
Computers in Biology and Medicine 130, 104200
Deep learning based image registration in dynamic cardiac CT using a recursive cascade network approach
KA Lara, IA Juárez, MA Perez, T Rienmüller, C Baumgartner
Proc. Annu. Conf. Austrian Soc. Biomed. Eng., 67-70
Teléfono
(+502) 2423-8000 Ext. 7320
Correo electrónico
biomedica@galileo.edu
Dirección
Salón 206, Torre II, Universidad Galileo, Campus Central. 4A Calle 7a. Avenida, calle Dr. Eduardo Suger Cofiño, zona 10, Cdad. de Guatemala.
(+502) 23156210