Título del Proyecto

Desarrollo de una red neuronal híbrida para la clasificación de estados de crecimiento embrionario y malformaciones

Equipo de Investigación

Información de Contácto

Phys. Abner Chica Herrera

Colaborador Externo: Dr. Hernán Morales Navarrete

Correo institucional

Resumen

La predicción de eventos morfológicos durante el desarrollo embrionario temprano presenta importantes retos en la investigación de la biología del desarrollo. Este estudio introduce una metodología computacional innovadora que integra arquitecturas de redes neuronales híbridas, combinando redes neuronales convolucionales preentrenadas (ResNet-50, ResNet-18) con capas computacionales cuánticas para el análisis de imágenes embrionarias. Utilizando el pez cebra (Danio rerio) como modelo biológico, desarrollamos un sofisticado enfoque de aprendizaje automático diseñado específicamente para abordar las limitaciones de los conjuntos de datos pequeños mediante la integración cuántica-clásica. La investigación presenta tres contribuciones clave: una novedosa arquitectura de red neuronal híbrida cuántico-clásica, algoritmos avanzados de procesamiento de imágenes y una metodología robusta de clasificación morfológica multiclase. Este marco computacional mejora el rendimiento predictivo en la detección de malformaciones embrionarias, ofreciendo un enfoque generalizable con amplias aplicaciones en todos los ámbitos de la investigación biológica. La integración de los principios de la computación cuántica con las técnicas tradicionales de aprendizaje automático establece una base sólida para la detección y predicción de anomalías en las primeras fases del desarrollo.

Correo alternativo

abner.chica@czetesis.com

abner.242000@hotmail.com