El pasado viernes 6 de junio, el Ing. Matías Javier Oliva, acompañado por su director Dr. Pablo Andrés García y su co-director Dr. Alejandro Luis veiga,  defendió su Tesis de Doctorado «Técnicas de Procesamiento Coherente de Señales: Implementación y Aplicaciones en instrumentación», obteniendo la máxima calificación (10).

Resumen de la tesis: La medición de señales de amplitudes pequeñas inmersas en ruido es un problema común en instrumentación electrónica. Cuando estas señales son periódicas o pueden ser moduladas a una frecuencia específica, las técnicas de detección coherente, como la promediación coherente y la amplificación Lock-in, resultan altamente efectivas. Aunque existen dispositivos comerciales capaces de realizar estas mediciones, suelen ser costosos y voluminosos, adecuados para su uso en entornos controlados de laboratorio, pero poco prácticos para aplicaciones portátiles o embebidas. A lo largo de esta investigación se han estudiado en detalle estas técnicas, llegando a resultados teóricos novedosos y a implementaciones embebidas basadas en dispositivos SoC-FPGA, que alcanzan las prestaciones de dispositivos comerciales. Estos sistemas se han utilizado con éxito en distintas aplicaciones: la tomografía de permeabilidad magnética para la detección de nanopartículas ferromagnéticas en técnicas de terapias oncológicas, las interfaces cerebro computadora basadas en potenciales evocados de estado estable y la calibración de equipos de espectroscopía Mössbauer. Los resultados obtenidos muestran el potencial de estas soluciones embebidas para aplicaciones científicas avanzadas, ofreciendo alternativas más portables, económicas, accesibles y adaptables.

El pasado viernes 9 de mayo, la Ing. María Cecilia Serafini, acompañada por su director Dr. Fabricio Garelli, defendió su Tesis de Doctorado «Optimización y adaptación de controladores para sistemas de dosificación de insulina», obteniendo la máxima calificación (10). Los jurados de tesis fueron Dra. Maira Garcia, Dra. Marta Basualdo y Dr. Marcelo Raul Risk.

Resumen de la tesis: Esta tesis investiga la adaptación de diversas terapias para el control de glucemia en personas con diabetes mellitus tipo 1 mediante el uso de algoritmos de aprendizaje por refuerzo. Entre otros aportes, se propone una estrategia de auto-sintonización para un controlador automático de glucosa, desarrollada para mejorar los periodos iniciales de las pruebas clínicas en personas con diabetes, en las cuales los parámetros tienden a estar mal inicializados. Además, se desarrolla una estrategia de adaptación automática a largo plazo para mejorar la performance del sistema de dosificación automática de insulina cuando existen cambios en la sensibilidad insulínica, que es un fenómeno habitual en el uso ambulatorio y prolongado. Se evalúa también un sistema de soporte de decisión para la dosificación de insulina de acción lenta en personas que utilizan múltiples inyecciones manuales diarias, ya que ésta es aún la terapia más común en nuestro país. Los resultados demuestran que las estrategias propuestas mejoran la regulación de glucosa en diversos escenarios y permiten una gestión más segura y eficaz de la diabetes.

Enlace para acceder a la Tesis