Los microorganismos son los seres más primitivos y numerosos de la tierra, colonizan ambientes como agua, aire y suelo; interactúan en todos los ecosistemas y se relacionan de manera continua con animales, plantas y el hombre. Estos son observados a través de microscopios los cuales basados en potentes lentes pueden magnificar su identificación. Dentro de este importante marco de referencia muchas disciplinas han contribuido de manera fundamental en su análisis y estudio, entre ellas tenemos el procesamiento digital de imágenes de microscopía. Con base en este punto de vista en el presente artículo se implementa una metodología que permite identificar y clasificar microorganismos presentes en muestras de agua, principalmente cianobacterias, tardígrado, entamoeba coli, rizópodo. La toma de las muestras de agua se efectuó en el rio pamplonita en el tramo del terminal de transporte y el puente Chichira del municipio de Pamplona. Las imágenes se obtuvieron en el laboratorio de control de calidad de la Universidad de Pamplona, se usó un microscopio óptico y una exploración en atlas de microbiología para determinar con exactitud el tipo de microorganismo encontrado en las muestras. Se aplicó una etapa de pre procesamiento para determinar la data a entrenar, aplicando un filtro paso alto, realce de contraste ventana y nivel y la data cruda, con porcentajes de clasificación de 27,08%, 42% y 52% respectivamente.Se usó una técnica de clasificación conocida como Deep Learning y Regiones con Redes Neuronales Convolucionales. El objetivo principal de estas herramientas es apoyar la labor que realizan los especialistas diariamente en detección y clasificación de microorganismos. Los resultados obtenidos en la etapa de validación fueron revisados por el especialista alcanzando un 95.65% de eficiencia en el proceso de clasificación. Así mismo se realizó una validación con una máquina de soporte vectorial obteniendo un porcentaje de clasificación de 84%.

Una de las principales causas de mortalidad a nivel mundial son las enfermedades cardiovasculares y cualquier esfuerzo o desarrollo en el área será fundamental en este campo. Basados en este contexto y teniendo en cuenta las cuatro cavidades cardiacas, el presente trabajo se centra en la segmentación del Ventrículo Izquierdo (VI) en fase diastólica final, con la finalidad de analizar su morfología de manera tridimensional empleando un estudio de Tomografía Computarizada Multi Corte (MSCT), la cual es muy útil en la detección de signos de enfermedad cardiaca. Esta cámara fue seleccionada ya que de las cuatro es la más susceptible a sufrir daño severo en enfermedades tales como la hipertensión arterial, aterosclerosis, etc. La base de datos fue suministrada por el Laboratoire de Traitement du Signal et de L’Image (LTSI) de la Université de Rennes I, en Francia. En total se analizaron y procesaron 112 imágenes cada una con un tamaño de 512x512 pixeles, las cuales conforman dicho volumen. A nivel metodológico se aplicó un proceso de segmentación capa a capa que permitió la generación tridimensional de los datos el cual fue comparado con el obtenido por el especialista de forma manual alcanzando un 6% de diferencia entre los dos.