Dr. Luis Carlos Padierna García

PROFESOR DE TIEMPO COMPLETO

 

Dr. Luis Carlos Padierna García

Departamento de Ingeniería Química, Electrónica y Biomédica

División de Ciencias e Ingenierías, Campus León

Universidad De Guanajuato

 

 drcarlospadierna 

 

Datos generales 

Nombre completo: Luis Carlos Padierna García

Categoría UGto: Profesor Titular A

SNII 1

Perfil deseable PRODEP D

Cuerpo Académico: Ingeniería Biomédica

 

Ubicación y contacto 

Oficina 8, Edificio C

477 788 51 00, ext. 8522

Correo electrónico This email address is being protected from spambots. You need JavaScript enabled to view it.

 

 

Breve semblanza académica 

Cuenta con un Doctorado en Ciencias de la Computación por el Instituto Tecnológico de Tijuana (2014-2018) y una estancia de investigación en la Universidad de Manchester, Reino Unido (2017). Desarrolla algoritmos y métodos computacionales para reconocimiento de patrones y optimización en aplicaciones biomédicas. Imparte cursos de programación y matemáticas a nivel superior y posgrado del 2011 a la fecha.

 

Línea (s) de investigación 

  • Aprendizaje Automático (Machine Learning)
  • Cómputo Evolutivo (Evolutionary Computation)

 

Proyectos que desarrolla actualmente 

  • Clasificación de mastografías por rayos X con Inteligencia Artificial para la detección temprana de cáncer de mama
  • Medición del halo de inhibición en imágenes microscópicas mediante Deep Learning
  • Segmentación de tomografías computarizadas para la identificación de cáncer cervicouterino

 

Publicaciones científicas más recientes /relevantes 

  • Waldo-Benítez, G., Padierna, L. C., Ceron, P., & Sosa, M. A. (2024). Dementia classification from magnetic resonance images by machine learning. Neural Computing and Applications, 36(6), 2653-2664.
  • Bedolla, E., Padierna, L. C., & Castaneda-Priego, R. (2020). Machine learning for condensed matter physics. Journal of Physics: Condensed Matter, 33(5), 053001.
  • Padierna, L. C., Amador-Medina, L. F., Murillo-Ortiz, B. O., & Villaseñor-Mora, C. (2020). Classification method of peripheral arterial disease in patients with type 2 diabetes mellitus by infrared thermography and machine learning. Infrared Physics & Technology, 111, 103531
  • Padierna, L. C., Carpio, M., Rojas-Domínguez, A., Puga, H., & Fraire, H. (2018). A novel formulation of orthogonal polynomial kernel functions for SVM classifiers: The Gegenbauer family. Pattern Recognition, 84, 211-225.
  • Rojas-Domínguez, A., Padierna, L. C., Valadez, J. M. C., Puga-Soberanes, H. J., & Fraire, H. J. (2017). Optimal hyper-parameter tuning of SVM classifiers with application to medical diagnosis. Ieee Access, 6, 7164-7176.

 

Ligas a página con perfiles académicos y científicos 

 

Actividades de Difusión y Divulgación de la Ciencia  

  • Máquinas de Soporte Vectorial: teoría, ejemplos y aplicaciones. IV Escuela de Verano de Modelación y Herramientas para el Análisis de Datos. Universidad Autónoma de Nuevo León. 26 de julio de 2024
  • Aplicaciones de Inteligencia Artificial para jóvenes y adolescentes. Semana de Ciencia. Instituto Estatal de la Cultura. Biblioteca Central Estatal Wigberto Jiménez Moreno. León, Guanajuato. 24 de octubre del 2023.
  • Competencias Actuales Necesarias para el Trabajo y Estudios Superiores en Computación. Semana Cultural. Centro de Estudios Tecnológicos en Aguas Continentales (CETAC). León, Guanajuato. 26 de mayo del 2022.

 

 

Subir