Control de Bioseguridad
Control de Bioseguridad
Control de Bioseguridad
DOCENTES
BUENAVENTURA,
MARZO DE 2022
Índice General
1. Introducción 1
3. Justificación 1
4. Objetivos 1
6. Metodología 3
7. Referencias bibliográficas 3
Índice de Figuras
Figura 1 . Modelo 4+1 vistas de kruchten, arquitectura de software.......................................8
Figura 2 Uso de Tapaboca.....................................................................................................9
Figura 3 Uso de Guantes.....................................................................................................10
Figura 4 Uso de Bata Clínica................................................................................................10
1. Introducción
(Se hará cuando se termine el proyecto, debe contener máximo 350 palabras)
Los factores de riesgo biológico son todos aquellos seres vivos ya sea de origen
animal o vegetal, y todas las sustancias derivadas de ellos presentes en el puesto
de trabajo, que pueden producir efectos negativos al medio ambiente y en la salud
de los trabajadores, causando procesos infecciosos, tóxicos o alérgicos. Existen
diversos factores de riesgo, que se pueden presentar en dos grandes grupos:
3. Justificación
Marco teórico: La Inteligencia Artificial es la TIC que genera los cambios más
importantes en la revolución tecnológica que estamos atravesando. Las tendencias
internacionales y estudios realizados a nivel mundial muestran el impacto fuerte y
directo de la inteligencia artificial sobre el empleo en cuanto a tareas mecánicas y
rutinarias, aprovechamiento de oportunidades y beneficios, y la transición a nuevas
habilidades (Corvalan, 2019).
Para el diseño del prototipo se utilizará el modelo 4+1 de vistas de kruchten el cual
es un tipo de arquitectura de software basado en 5 vistas concurrentes (Moya,
2012):
Vista lógica: describe el modelo de objetos del diseño cuando se usa un método de
diseño orientado a objetos. Para diseñar una aplicación muy orientada a los datos,
se puede usar un enfoque alternativo para desarrollar algún otro tipo de vista lógica,
tal como diagramas de entidad-relación
Vista de procesos: Muestra los aspectos dinámicos del sistema, que explican sus
procesos y cómo se comunican. Se enfoca en el comportamiento del sistema en
tiempo de ejecución, considerando aspectos de: concurrencia, distribución,
rendimiento o desempeño, escalabilidad, flujo de trabajo paso a paso de negocio y
operación de los componentes del sistema. Describe los aspectos de concurrencia y
sincronización del diseño.
Vista de desarrollo: Se ocupa de la gestión del software, enfocándose en la
administración de los artefactos de software, y muestra cómo está dividido el
sistema, en sus componentes y las dependencias que hay entre ellos
Marco conceptual
Keras: Es una API de aprendizaje profundo escrita en Python, que se ejecuta sobre
la plataforma de aprendizaje automático TensorFlow. Fue desarrollado con un
enfoque en permitir la experimentación rápida
ResNet: Las redes residuales son un conjunto de datos creados a partir del
entrenamiento de redes neuronales profundas para la clasificación de objetos. Son
más fáciles de optimizar y pueden obtener precisión de profundidad
considerablemente mayor respecto a otras redes profundas
Google Colab: Colaboratory, también llamado "Colab", te permite ejecutar y
programar en Python en tu navegador con las siguientes ventajas: no requiere
configuración, da acceso gratuito a GPUs, permite compartir contenido fácilmente
Redes convolucionales: es un tipo de red neuronal artificial donde las neuronas artificiales,
corresponden a campos receptivos de una manera muy similar a las neuronas en la corteza
visual primaria de un cerebro biológico
Marco legal
Dando lugar a la Resolución 223 de 2021 [Ministerio de Salud y Protección Social].
Por medio de la cual se modifica la Resolución 666 de 2020 en el sentido de
sustituir su anexo técnico. Con el objetivo de orientar en las medidas generales
de bioseguridad en el marco de la pandemia por el nuevo coronavirus COVID-
19, para adaptar en los diferentes sectores diferentes al sector salud con el fin de
disminuir el riesgo de transmisión del virus de humano a humano durante el
desarrollo de todas sus actividades. 25 de febrero de 2021.
Con el objetivo de brindar un monitoreo constante para la verificación del uso de los
elementos de bioseguridad requeridos para el personal médico y particulares dentro
de clínicas y hospitales, mediante la aplicación de herramientas e inteligencia
artificial, diseñaremos un Control de bioseguridad para el acceso a zonas restringida
y de alto riesgo biológico, tales como: Unidad de cuidados intensivo UCI,
Laboratorios, Salas de Diálisis etc. El cual generará practicidad y facilidad al
momento de detectar alguna persona dándole mal uso a los elementos de
bioseguridad personal.
Los aspectos claves y tomados como referencia en este punto es la utilización del
deep learning como en el trabajo y las librerías que nos facilitarán el reconocimiento
del material de bioseguridad en las UCI de clínicas y hospitales. Dentro de los temas
abordados en una de las soluciones el sistema lograba detectar el uso de la
mascarilla con una precisión del 63%, dejando la marca en una base de datos para
su posterior intervención por quien administre la base de datos. (Oliveira, Pereira,
Donadon, 2021)
Conclusiones
En este documento se definieron los marcos teóricos, tecnológicos y
metodológicos que reglamentan el acceso a las zonas restringidas y de alto
riesgo en el sector de la salud mediante Deep learning.
7. Referencias bibliográficas