Examinando por Autor "Contreras, Julio"
Mostrando 1 - 5 de 5
Resultados por página
Opciones de ordenación
Ítem En busqueda del hipnótico ideal: tratamiento farmacológico del insomnio(Sociedad Venezolana de Farmacología Clínica y Terapéutica, 2017) Chávez, Mervin; Nava, Manuel; Palmar, Jim; Martínez, María Sofía; Graterol Rivas, Modesto; Contreras, Julio; Hernández, Juan Diego; Bermúdez, ValmoreEl insomnio es un trastorno del sueño caracterizado por dificultad para la conciliación o mantenimiento del sueño, por disminución del tiempo, fragmentación o mala calidad del sueño, y sensación de cansancio al día siguiente. Se trata de un problema con gran prevalencia en países industrializados y representa uno de los motivos de consulta más frecuente en atención primaria. Su terapéutica incluye medidas farmacológicas y no farmacológicas. Las drogas hipnóticas incluyen un amplio rango de moléculas, como benzodiacepinas, compuestos Z, antidepresivos, antihistamínicos, entre otros, cada una con propiedades farmacodinámicas y farmacocinéticas particulares. Basada en evidencia clínica-epidemiológica, esta revisión discute la eficacia y seguridad de los fármacos hipnóticos, con el objetivo de establecer el prototipo de hipnótico ideal para cada tipo de insomnio, considerando las necesidades o condiciones del paciente.Ítem Una introducción a las aplicaciones de la inteligencia artificial en Medicina: Aspectos históricos(Cooperativa servicios y suministros 212518 RS, 2019) Arias, Victor; Salazar, Juan; Gariciano, Carlos; Contreras, Julio; Chacón, Gerardo; Chacín-González, Maricarmen; Añez, Roberto; Rojas, Joselyn; Bermúdez-Pirela, ValmoreEn un sentido amplio la inteligencia artificial y el aprendizaje automático se ha aplicado a los datos médicos desde los inicios de la informática dado el profundo arraigo de esta área en la innovación, pero los últimos años han sido testigo de una generación cada vez mayor de datos relacionados con las ciencias de la salud, cuestión que ha dado nacimiento a un nuevo campo de las ciencias de la computación llamado big data. Los datos médicos a gran escala (en forma de bases de datos estructuradas y no estructuradas) si son apropiadamente adquiridos e interpretados pueden generar grandes beneficios al reducir los costos y los tiempos del servicio de salud, pero también podrían servir para predecir epidemias, mejorar los esquemas terapéuticos, asesorar a médicos en lugares remotos y mejorar la calidad de vida. Los algoritmos de deep learning son especialmente útiles para manejar esta gran cantidad de datos complejos, poco documentados y generalmente no estructurados; todo esto debido a que el deep learning puede irrumpir al crear modelos que descubren de forma automática las características principales, así como las que mejor predicen el comportamiento de otras variables dentro de una gran cantidad de datos complejos. En el futuro, la relación hombre-máquina en biomedicina será más estrecha; mientras que la máquina se encargará de tareas de extracción, limpieza y búsquedas de correlaciones, el médico se concentraría en interpretar estas correlaciones y buscar nuevos tratamientos que mejoren la atención y en última instancia la calidad de vida del paciente.Ítem Segmentación de hematomas epidurales, usando una técnica computacional no lineal en imágenes de tomografía computarizada cerebral(Sociedad Venezolana de Farmacología Clínica y Terapéutica, 2017) Vera, Miguel; Huérfano, Yoleidy; Contreras, Julio; Vera, Maria; Salazar, Williams; Vargas, Sandra; Chacón, Gerardo; Rodriguez, JhoelMediante este trabajo se propone una técnica computacional no lineal para segmentar un hematoma epidural (EDH), presente en imágenes de tomografía computarizada multicapa. Esta técnica consta de 4 etapas desarrolladas en el dominio tridimensional. Ellas son: pre-procesamiento, segmentación, pos-procesamiento y entonación de parámetros. La etapa de pre-procesamiento se divide en dos fases. En la primera, denominada definición de un volumen de interés (VOI), se emplea un algoritmo de umbralización por bandas el cual permite, fundamentalmente, acotar el EDH considerado. En la segunda fase, identificada como filtrado, se aplica un banco de algoritmos computacionales para disminuir el impacto de los artefactos y atenuar el ruido presente en las imágenes. Los algoritmos que conforman esta fase son: el filtro de erosión morfológica (MEF) y el filtro de mediana (MF). Por otra parte, durante la etapa de segmentación se implementa un algoritmo de agrupamiento, denominado crecimiento de regiones (RG), el cual es aplicado a las imágenes pre-procesadas. A fin de compensar el efecto del MEF el EDH, segmentado preliminarmente, es sometido a la etapa de pos-procesamiento la cual se basa en la aplicación de un filtro de dilatación morfológica de tipo binaria (MDF). Durante la entonación de parámetros, el coeficiente de Dice (Dc) es utilizado para comparar las segmentaciones dilatadas del EDH, obtenidas automáticamente, con la segmentación del EDH generada por un neurocirujano de manera manual. La combinación de parámetros que generan el Dc más elevado, permite establecer los parámetros óptimos de cada una de los algoritmos computacionales que conforman la técnica no lineal propuesta. Los resultados obtenidos permiten reportar un Dc superior a 0.90 lo cual indica una buena correlación entre las segmentaciones generadas por el experto neurocirujano y las producidas por la técnica computacional desarrollada.Ítem Smoothing filters in synthetic cerebral magnetic resonance images: A comparative study(Sociedad Latinoamericana de Hipertensión, 2018) Gelvez, Elkin; Vera, Miguel; Huérfano, Yoleidy; Valbuena, Oscar; Salazar, Williams; Vera, María Isabel; Borrero, Maryury; Barrera, Doris; Hernández, Carlos; Molina, Ángel Valentín; Martínez, Luis Javier; Sáenz, Frank; Vivas, Marisela; Contreras, Julio; Restrepo, Jorge; Vanegas, Juan; Salazar, Juan; Contreras, YudithThis paper presents the evaluation of two computational techniques for smoothing noise that might be present in synthetic images or numerical phantoms of magnetic resonance (MRI). The images that will serve as the databases (DB) during the course of this evaluation are available freely on the Internet and are reported in specialized literature as synthetic images called BrainWeb. The images that belong to this DB were contaminated with Rician noise, this being the most frequent type of noise in real MRI images. Also, the techniques that are usually considered to minimize the impact of Rician noise on the quality of BrainWeb images are matched with the Gaussian filter (GF) and an anisotropic diffusion filter, based on the gradient of the image (GADF). Each of these filters has 2 parameters that control their operation and, therefore, undergo a rigorous tuning process to identify the optimal values that guarantee the best performance of both the GF and the GADF. The peak of the signal-to-noise ratio (PSNR) and the computation time are considered as key elements to analyze the behavior of each of the filtering techniques applied. The results indicate that: a) both filters generate PSNR values comparable to each other. b) The GF requires a significantly shorter computation time to soften the Rician noise present in the considered DB.Ítem Stevia rebaudiana Bertoni and Its Effects in Human Disease: Emphasizing Its Role in Inflammation, Atherosclerosis and Metabolic Syndrome(Springer, 2018) Rojas, Edward; Bermúdez, Valmore; Motlaghzadeh, Yasaman; Mathew, Justin; Fidilio, Enzamaria; Faria, Judith; Rojas, Joselyn; Cabrera de Bravo, Mayela; Contreras, Julio; Mantilla, Linda Pamela; Angarita, Lissé; Sepúlveda, Paola Amar; Kuzmar, IsaacPurpose of Review. Stevia rebaudiana Bertoni is a perennial shrub with zero calorie content that has been increasing in popularity for its potential use as an adjuvant in the treatment of obesity. The level of evidence supporting general benefits to human health is insufficient. We conducted a review of the literature summarizing the current knowledge and role in human disease. Recent Findings. Despite stevia’s minimal systemic absorption, studies have been promising regarding its potential benefits against inflammation, carcinogenesis, atherosclerosis glucose control, and hypertension. On the other hand, the growing popularity of artificial sweeteners does not correlate with improved trends in obesity. An increased intake of artificial non-caloric sweeteners may not be associated with decreased intake of traditional sugar-sweetened beverages and foods. The effects of Stevia on weight change have been linked to bacteria in the intestinal microbiome, mainly by affecting Clostridium and Bacteroides sp. populations. A growing body of evidence indicates that Stevia rebaudiana Bertoni is protective against malignant conversion by inhibition of DNA replication in human cancer cell growth in vitro. Summary. Consumption of Stevia has demonstrated to be generally safe in most reports. Further clinical studies are warranted to determine if regular consumption brings sustained benefits for human health.