Revista La SAlle

REVISTA DE CIENCIA DE
LA COMPUTACIÓN
Grupo de Investigación
IPRODAM3D
Ciencia y Tecnología
Vol. 5 N° 1 Octubre 2019

REVISTA DE CIENCIA DE LA COMPUTACIÓN
IPRODAM3D Research Groups
ÍNDICE
INTRODDUCCIÓN
Relación entre Investigación, Enseñanza y Aprendizaje p. 2
INVESTIGACIÓN EN CIENCIA DE LA COMPUTACIÓN

Método Jerárquico basado en Grafos p. 4
A method to extract visual encodings from map chart images p. 9
Automatic Gun Detection using Fast-RCNN on extreme illumination conditions p. 12
ARTÍCULOS DE OPINIÓN
Competitive programming, start now! p. 14
Inquisitive mind as a key for researching p. 17
Mujeres en ciencia de la computación p. 19
La educación en línea, entre la evolución o el fracaso p. 21
Ciencia de la computación y medicina en la era de Big Data p. 23
EMPRENDIMIENTO E INNOVACIÓN
Software, innovación y empresa p. 25
ESPACIO PARA ESTUDIANTES

Mi experiencia en Grace Hoper Celebration 2019
EDITOR
Dr. Cristian López Del Alamo
clopez@ulasalle.edu.pe
COLABORADOR
Msc. Elian Laura Riveros
http://ulasalle.edu.pe
Universidad La Salle - Arequipa INTRODUCCIÓN Vol. 5 No 1, Diciembre 2019 2 / 27
Relación entre Investigación, Enseñanza y

Aprendizaje
Doctor en Ciencia de la Computación, Director general de Investigación de la
Universidad La Salle de Arequipa, Director del grupo de investigación
IPRODAM3D. Investigador en el área de geometría computacional, Deep Learning
y machine learning
12 años, y de la Universidad Nacional de San Agustín, desde

el 2003 hasta la fecha, con una interrupción de algunos años,
por motivos diversos; y aprendí mucho en cada clase, con cada
pregunta y con cada duda de mis alumnos.
En ambas universidades, siempre fui calificado como uno

de los mejores profesores, pero nunca lo hacía pensando en
tener una buena calificación por parte de los alumnos. Lo hacía
porque el verdadero motivo de enseñar era aprender, y la mejor
forma que tenía para verificar que había aprendido algo nuevo
y, además, que lo había entendido perfectamente, era trans-
mitiendo el conocimiento y verificando que ese conocimiento
había sido absorbido de manera clara y contundente, por mis
estudiantes.
Dr. Cristian López Del Alamo Además, tenía presente que algunos de mis profesores uni-
versitarios dictaban siempre los mismos tópicos, los mismos
ejemplos, los mismos ejercicios, los mismos exámenes; de se-
mestre a semestre, de año en año, e incluso, de una Universidad
a otra. Podía sentir, por medio de su tono de voz, monótona y
Enseñanza repetitiva, el cansancio y el hartazgo de la rutina, algo que, defi-
nitivamente no quería para mi. No estaba interesado en hacer lo
Era 17 de enero de 2003. Tenía 21 años, y ya había ter- mismo todo el tiempo. Había muchas cosas nuevas por apren-
minado la Universidad. Aún no tenía claro lo que iba a hacer, der, y la mejor forma de hacerlo era enseñando, aprendiendo, y
pero sabía muy bien que una de mis mayores pasiones eran los divirtiéndose en el proceso.
números y la programación, además de tener unas ganas casi
patológicas de aprender cosas nuevas todo el tiempo. Hasta aquí, mi primera lección fue “Aprende para ense-
ñar y enseña para aprender.”
Ese día, mientras pensaba qué haría de mi vida, recibí una
llamada telefónica de un gran profesor y, ahora, un gran amigo.
Era el profesor Wilber Ramos Lovón, quien me invitó a formar Aprendizaje
parte del equipo de profesores de la Universidad Católica San
Pablo, que en ese tiempo no era conocida, pues recién tenía En los años en que impartí clases en la Universidad Cató-
unos pocos años de funcionamiento. lica San Pablo y en la Universidad Nacional de San Agustín,
conocí a muy buenas personas y amigos, quienes regresaron
Nunca antes había dictado clases pero había explicado, al- de concluir sus estudios de Maestría y Doctorado en diversas
gunas veces, a amigos mios y compañeros, diversos trabajos, universidades de Brasil, Chile y otros lugares. Algunos se in-
tareas o tópicos que entendía bien. Ahí me di cuenta que la corporaron a la Universidad Católica San Pablo y otros a la
mejor manera de aprender era enseñando, y que solo cuando Universidad Nacional de San Agustín y, todos ellos, tenían una
entiendes algo completamente bien, eres capaz de transmitirlo visión muy distinta a muchos de mis profesores y colegas de
con cierta facilidad y hacer que otros te entiendan relativamen- mayor edad que no habían salido, y que, posiblemente, habían
te rápido. Así que, dado que ya había saboreado antes el placer sido absorbidos por el sistema.
de aprender por medio de la enseñanza, decidí aceptar.
Un sistema lento, monótono, repetitivo. Un sistema, que
Formé parte del equipo de profesores de la carrera de Cien- quizá, a algunos, los envolvió y les arrebató el placer de ha-
cia de la Computación de la Universidad San Pablo por casi cer cosas nuevas y diferentes, de aprender y seguir creciendo
© Universidad La Salle - clopez@ulasalle.edu.pe

Universidad La Salle - Arequipa INTRODUCCIÓN Vol. 5 No 1, Diciembre 2019 3 / 27
intelectualmente. Así que, fue exactamente ese nuevo grupo área de geometría computacional y de hacer crecer esta línea
de personas, con experiencias enriquecedores y con ánimo de de investigación. Recuerdo que nos reuníamos todos los sá-
cambiarlo todo lo que yo necesitaba y andaba buscando. Fue bados, con 8 estudiantes de diversas universidades. Todos con
ese grupo de personas el que alzó la valla de mis retos, el que la meta de aprender cosas nuevas, de resolver preguntas, y
hizo más dinámico mis días, y el que, en conjunto con alum- desarrollar algoritmos y programas relacionados al análisis de
nos, cada vez más preparados, con preguntas más profundas e cuerpos no rígidos y modelos 3D.
interesantes, transformó los días de preparación de clases, en
días de aprendizaje constante. Estudiábamos y debatíamos unas 3 horas seguidas, y lue-
go, solíamos jugar baloncesto en la cancha de la Universidad
Sabía que, al menos en mi caso, me sería imposible salir La Salle de Arequipa, donde actualmente trabajo desde el año
de Perú para hacer un Doctorado del nivel que me habría en- 2012 y donde, para ser honestos, me siento como en casa, pues
cantado hacer; sin embargo, estaba completamente seguro de la Universidad La Salle, siempre me dio las facilidades para
mis habilidades, de mi capacidad para aprender y sobretodo, investigar con mi grupo sin importar de que institución sean los
de lo más importante, la motivación que tenía por saber hoy alumnos que conforman el equipo.
más que ayer y mañana más que hoy. Así que, estudiando el
Doctorado en la Universidad Nacional de San Agustín, conocí El 2015 invitamos a Alex Bronstein, quien vino desde Is-
a Benjamín Bustos, director de Investigación del grupo Prisma rael, por 15 días y dio un excelente curso intensivo sobre análi-
en Chile, quien me invitó a una pasantía en la Universidad de sis de cuerpos no rígidos. Al finalizar el curso, jugamos todos
Chile en Santiago. En esta corta estancia, aprendí mucho y, los participantes y Alex incluido, un muy divertido partido de
literalmente, me enamoré, de la geometría computacional, y baloncesto. Una experiencia que marcó a muchos de los chi-
específicamente del análisis de cuerpos no rígidos. Además, cos que estaban en el grupo y, desde entonces, algunos fueron
conocí a Iván Sipiran, un joven peruano, que en ese tiempo a la Universidad de Televi en Israel, y realizaron una pasan-
terminaba su doctorado en Ciencia de la Computación un jo- tía supervisada por Alex Bronstein. Varios alumnos del grupo
ven con un gran talento, y además una gran persona. A ambos, terminaron su Maestría en el área de cuerpos no rígidos, y
les debo el primer golpe de pasión por el área y mucho de lo actualmente, dos de ellos están en la Universidad Zurich ini-
aprendido. ciando su Doctorado.
De regreso a Perú, sabía que quería hacer un doctorado de El grupo continúa vivo, tiene gente nueva, mentes frescas y
verdad, es decir, un doctorado bien hecho, y aprender las cosas
jóvenes con mucho talento, con quienes nos hemos reunido to-
como tenía que ser, a profundidad. En ese tiempo, en Perú, no dos los sábados durante todo un año, aprendiendo las bases de
había nadie trabajando en esa línea, así que me puse a buscar Deep Learning para pensar nuevas formar de aplicar técnicas
a los mejores en el mundo en el área de cuerpos no rígidos, de Machine Learning al análisis de cuerpos no rígidos y junto
y me logré contactar con Alex Bronstein quien trabaja en el a Iván Sipiran y su equipo de investigación, estamos desarro-
área desde hace muchos años y quien es un referente a nivel llando un proyecto para la reconstrucción de vasijas pre-Incas
mundial en geometría computacional. mediante técnicas de Deep Learning. Un proyecto que hace
que los chicos del grupo pongan a prueba toda su imaginación
Alex Bronstein, me guió y me dio luces de muchas cosas en y sus ganas de aprender.
las que me encontraba estancado, tuve muchas conversaciones
por email con él y, aunque no lo conocía en persona, podía La última lección fue “Uno no investiga por que es un re-
notar, por como respondía y por como me encaminaba, de su quisito para ser profesor Investigador, uno debe investigar
gran capacidad intelectual. por que ama hacerlo, por que es parte de su vida, y porque
finalmente es la mejor manera para aprender y enseñar”
La siguiente lección fue “El aprendizaje es un proceso
constante, y si puedes aprender de los mejores, no desper-
dicies la oportunidad. Lo único que te detiene es creer que Conclusiones
no puedes.”
La investigación es un proceso indispensable para enseñar

Investigación y aprender. Pues uno no puede enseñar lo que no sabe, o
al menos no debería ser así, y uno no aprende aquello que
En el año 2014, luego de sustentar mi tesis de Doctorado no investiga, o al menos no debería, y finalmente, uno
creamos el grupo de Investigación al cual llamamos IPRO- no investiga aquello que no desea saber, o al menos no
DAM3D(“Image Processing and Data Mining 3D”), por sus tendría que ser así.
siglas en inglés, con el objetivo de seguir investigando en el

Universidad La Salle - Arequipa Investigación Vol. 5 No 1, Diciembre 2019 4 / 27
Método Jerárquico basado en Grafos para la

Segmentación de Múltiples Regiones en Imágenes
Leissi M. Castañeda Leon tiene un doctorado en ciencias de la computación por la
Universidad de São Paulo. Durante su maestría y doctorado ha trabajado en áreas
de visión computacional y procesamiento de imágenes. Actualmente trabaja en São
Paulo, en una empresa de recursos humanos, liderando la área de inteligencia
artificial
La participación con los 4 poster mencionados fue debido a

las oportunidades que existen a través de workshops orientados
a mujeres y latinos, a través de un proceso de envío de resúme-
nes de tu trabajo de investigación. Hoy en dia, los auspiciadores
de estos workshops, financian la mayor parte de tus gastos para
participar tanto del workshop como de las conferencias princi-
pales caso seas aceptado.
Durante un panel en el workshop de mujeres del CVPR,

fue realizada la siguiente pregunta: “What do you recommend
for female researchers interested in starting a family? Does
it look bad to be interviewing for postdocs/jobs while preg-
nant?”. Particularmente, esa pregunta llamó mi atención, dado
que nunca pensé en eso, y porque justamente luego de dos
meses de finalizar mi doctorado y con 5 meses de mi segun-
do embarazo, comencé a trabajar en una empresa de recursos
humanos, liderando el área de inteligencia artificial, trabajando
específicamente con procesamiento de lenguaje natural.
Leissi M. Castañeda
Segmentación de Múltiples Regiones en Imágenes
La segmentación de imágenes es una tarea fundamental en

Introducción áreas como procesamiento de imágenes o visión computacio-
nal, con un grande impacto en áreas como Medicina, Neurolo-
Una de las formas para incentivar la participación e incor- gía e Inteligencia Artificial. Por ejemplo, en la área médica, la
poración específicamente de mujeres, en ciencias de la compu- segmentación de imágenes puede ser usada para aislar regiones
tación, es compartiendo experiencias. De esta forma, comienzo correspondientes a diferentes órganos dentro de una imagen de
el artículo comentando algunas experiencias durante y después resonancia magnética (MRI), ayudando a analizar sus formas,
de mis estudios de doctorado para luego presentar, brevemente, volúmenes y texturas para diagnosticar enfermedades.
el método propuesto en mi tesis de doctorado.
En este caso, usualmente tenemos obstáculos como ruido,
Realicé mi doctorado en el Departamento de Ciencias de bajo contraste y la complejidad de las regiones, entonces la in-
la Computación del Instituto de Matemática y Estadística en la corporación de conocimiento tanto individual para cada región
Universidad de São Paulo (IME-USP), graduándome en mar- como estructural es importante para mejorar los resultados. Sin
zo de este año. Durante mi doctorado trabajé proponiendo un embargo, muchos de los métodos clásicos propuestos en la li-
nuevo método para la segmentación de múltiples regiones en teratura, no incluyen esas informaciones en conjuntos en una
imágenes modelando tanto características individuales de las única energía de optimización e se encuentran limitados para
regiones como la relación jerárquica entre las mismas, en una algunos casos en particular.
única energía de optimización. Los resultados fueron presen-
tados en una conferencia internacional [5], un journal [2], un Método propuesto: HLOIFT
capítulo de un libro [1] y en 4 presentaciones de poster en
workshops de conferencias internacionales como el ECCV, Para superar los problemas mencionados, proponemos el
NeurIPS, ICML y CVPR. método jerárquico en capas basado en grafos llamado: Hie-
rarchical Layered Oriented Image Foresting Transform

(HLOIFT) como un método eficiente para la segmentación de Dividiremos los resultados en tres partes: 2D HLOIFT, 3D
múltiples regiones. HLOIFT y HLOIFT con superpixels. Usamos imágenes médi-
cas, naturales y sintéticas, compuestos de múltiples regiones.
Formulamos la integración, en una única energía de optimi-
zación, de las características individuales de cada región como: 2D HLOIFT
polaridad en el borde y restricción de forma, junto con rela-
ciones jerárquicas entre regiones como: inclusión y exclusión. En cuanto a nuestros resultados, primero comenzamos
Nuestro nuevo algoritmo propuesto cuenta con su prueba de comparando, de forma cualitativa, nuestro método respecto
correctitud y conserva un bajo costo computacional. de la versión de múltiples regiones de la IFT (Image Foresting
Transform) [10] y de la versión jerárquica del algoritmo min-
cut/max-flow [11]
En la Figura 2, tenemos la comparación entre HLOIFT y

.
INPUT
Image: I
HLOIFT OUTPUT
el método de múltiples regiones de la IFT (Image Foresting
Transform) [10].
. Set of seeds 1*. Set of object-digraph construction . Labeled image
. Priors for objects 2*. Hierarchical digraph construction
3*. Energy optimization
. Tree of Relations: h
. Parameter of distance:
Usamos una imagen CT de la región abdominal de [4] pa-

ra segmentar 6 regiones: pulmón derecho (O1 ), hígado (O2 ),
corazón (O3 ), pulmón izquierdo (O4 ), aorta (O5 ) y la región
abdominal (O6 ). Consideramos polaridad de contorno de oscu-
ro para claro para O1 , O4 y restricción de forma para O2 y O3 ,
4 y polaridad de contorno de claro para oscuro para O5 y O6 .
h 3 Claramente, los resultados obtenidos por el HLOIFT son más
1 2 cercanos al ground-truth en comparación con los resultados
obtenido por la IFT.
Figura 1: Visión general de nuestro método. Dado los parámetros de entrada, un
grafo jerárquico de capas (digrafos), es construido considerando las restricciones
jerárquicas de inclusión (linea solida) y exclusión (línea punteada) entre las
regiones, y luego una medida de corte en grafo es optimizada por nuestro
algoritmo. Finalmente, tenemos una imagen etiquetada como resultado.
La Figura 1 muestra una visión general de nuestro método

propuesto. Dada una imagen de entrada, un conjunto marcado- Figura 2: Segmentación de una imagen CT abdominal. HLOIFT obtiene un
res (seeds) para algunas regiones, y un árbol de relaciones (h) resultado similar al ground-truth manual dado, a diferencia del resultado obtenido
por la IFT.
entre las regiones, nuestro método HLOIFT tiene los siguientes
pasos:
(1) Primero se crean un conjunto de m capas, donde cada En la Figura 3, mostramos la comparación entre HLOIFT
capa representa una única región. Cada capa es construida co- y la segmentación jerárquica de múltiples regiones con el algo-
mo un digrafo con pesos resaltando las características propias ritmo min-cut/max-flow [11], para la segmentación de una flor.
de cada región como polaridad en el contorno y restricción de
forma.
Resolución en (pixels) HLOIFT (ms) Min-cut/max-flow (ms)
380 × 320 114.65 323.61
(2) Luego, se crea un digrafo jerárquico de capas H.
760 × 640 488.62 1,798.91
HLOIFT define el setup para las conexiones entre las capas con
1520 × 1280 1,823.55 19,021.71
pesos −∞ o ∞, representando las restricciones jerárquicas de
inclusión y exclusión definidas través de h. Adicionalmente, se Cuadro 1: Los tiempos de ejecución para la segmentación de una flor por el HLOIFT y el
considera un parámetro ρ que indica la mínima distancia que min-cut/max-flow considerando un grafo en capas y usando diferentes resoluciones de
imagen.
debe existir entre contornos de las regiones de diferentes capas.
En general los resultados son similares para ambos méto-
(3) Finalmente, ejecutamos el algoritmo de la HLOIFT para dos. El algoritmo de min-cut/max-flow genera resultados con
computar un corte óptimo sobre el digrafo jerárquico basado en contornos más suaves, pero algunas veces esto conlleva a tener
capas H, dando como salida una imagen totalmente etiquetada. errores en parte más finas de la región, como los pétalos (Figu-
Adicionalmente, fue propuesto dos extensiones del método: 3D ra (3b)). Además de ser capaz de computar resultados óptimos
HLOIFT y HLOIFT con superpixels bajo el mismo esquema globales con restricciones jerárquicas arbitrarias, el método
que la HLOIFT original. HLOIFT propuesto también tiene mejor tiempo de ejecución
comparado con el del min-cut/max-flow. El cuadro 1 mues-
tra los tiempos de ejecución usando diferentes resoluciones de
imagen y una laptop Intel Core i3-5005U CPU 2.00GHz ×4.
Resultados experimentales

1 1
0.99 0.99
0.98 0.98
Dice coefficient
Dice coefficient
0.97 0.97
0.96 0.96
0.95 0.95
0.94 0.94
0.93 0.93
0.92 0.92
0.91 0.91
0.9 0.9
0 10 20 30 40 50 0 10 20 30 40 50
Erosion radius (pixels) Erosion radius (pixels)
IFT HLGC IFT HLGC
Relaxed IFT HLOIFT Relaxed IFT HLOIFT
(a) Hígado (b) Hígado con GSC

(a) (b) (c) 1 1
0.99 0.99
0.98 0.98
Dice coefficient
Dice coefficient
0.97 0.97
Figura 3: Segmentación de dos regiones en una flor, la parte central en celeste y los 0.96 0.96
pétalos en amarillo, usando una relación de inclusión. (a) La imagen de entrada. (b) 0.95
0.94
0.95
0.94
Resultado con el algoritmo de min-cut/max-flow usando un grafo en capas. (c) 0.93

0.92
0.93
0.92
Resultado por HLOIFT. 0.91 0.91
0.9 0.9
0 2 4 6 8 10 12 14 16 0 2 4 6 8 10 12 14 16
Erosion radius (pixels) Erosion radius (pixels)
IFT HLGC IFT HLGC
(c) Talus (d) Talus con GSC

Para demostrar de forma cuantitativa nuestros resultados, 1
0.99
1
0.99
comparamos el HLOIFT, con la segmentación de múltiples

0.98 0.98
Dice coefficient
Dice coefficient
0.97 0.97
0.96 0.96
regiones por la IFT [8], cuya versión mejorada por un procedi- 0.95
0.94
0.95
0.94
miento de relajación propuesto por [14], y el Graph cut en un

0.93 0.93
0.92 0.92
0.91 0.91
grafo jerárquico en capas [11], denotado como HLGC, usando 0.9

0 2 4 6 8 10
Erosion radius (pixels)
12 14 16
0.9
0 2 4 6 8 10
Erosion radius (pixels)
12 14 16
dos datasets de imágenes médicas, y considerando un peso en

IFT HLGC IFT HLGC
las aristas simples (ψ(s, t) = |I(s) − I(t)|). (e) Calcáneo (f) Calcáneo con GSC
Cuadro 2: Las curvas de la media de la acuracia dada por el coeficiente Dice, para
El primer dataset tiene 40 imágenes CT de la parte toráci- diferentes métodos.
ca, de resolución 512 × 512 usado para segmentar el hígado
incluído en el abdomen. El segundo dataset tiene 40 imágenes
MR para segmentar los huesos talus y calcáneo con restricción
de exclusión, considerando a la región del pie como su padre. 3D HLOIFT
Los mismos marcadores fueron usados para ambos métodos, Utilizando imágenes en 3D (volúmenes) mostramos el com-
obtenido por una erosión progresiva del ground-truth de las portamiento del HLOIFT considerando diferentes restriccio-
regiones y el background para diferentes valores de radio. Para nes a priori. En la Figura 5, usamos una imagen sintética de
los huesos usamos una polaridad de contorno de oscuro para 150 × 150 × 150 voxels compuesto por seis diferentes regio-
claro y para el hígado de claro para oscuro. nes: dos cubos oscuros dentro de una bola clara, los que a su
vez están contenidos dentro de un cubo, con background blan-
La exactitud media, de acuerdo al coeficiente Dice, son co, y donde uno de los cubos internos contiene una pequeña
mostrados en la Figura 4, donde los resultados de la columna bola. Luego, deseamos segmentar tres regiones, donde O1 y
izquierda fueron obtenidos sin considerar restricción de forma O2 estarían inclusos en O3 . Es así, que definiendo polaridad de
y, la de la derecha, con restricción de forma Geodesic Star Con- contornos diferentes como “de claro para oscuro” (bd) o “de
vexity (GSC) [13]. El HLOIFT tiene los mejores resultados en oscuro para claro” (db) para O1 y O3 , obtenemos diferentes
la mayoría de los casos. Observe también que nuestro método resultados.
se beneficia del uso de la restricción de forma para el caso del
hígado, en comparación con el HLGC. Para mostrar nuestro 3D HLOIFT en imágenes reales de
MR, usamos un volumen de 120 × 120 × 90 voxels, para seg-
mentar el cerebro (Figura 6a) y los ventrículos laterales (Figura
6b) usando una relación de inclusión. El tiempo de ejecución
para este caso fue de 4.2 segundos.
O3
db
O1 O2
(a)
(b) (c)
Figura 4: (a) Dada una imagen de entrada y marcadores para O1 (en amarillo), O2
(en azul) y el fondo (en rojo), obtenemos diferentes resultados para O1 y O2
incluidos en O3 , definiendo polaridad de contornos diferentes. En (b) y (c) las
diferentes regiones en 3D son mostradas.
Figura 5: Segmentación usando 3D HLOIFT para (a) el cerebro y (b)ventrículos
con una restricción de inclusión.

HLOIFT con superpixels Referencias

En este caso presentamos resultados experimentales tratan- [1] Leissi M. Castaneda Leon and K.C. Ciesielski and
do con una solución más adecuada y eficiente para la segmen- Paulo A. V. Miranda. Efficient Hierarchical Multi-
tación de múltiples regiones en grandes imágenes, mostrando Object Segmentation in Layered Graph (Submitted).
el mejoramiento en el tiempo de ejecución. web: https://www.math.wvu.edu/ kcies/SubmittedPapers-
/SS29.HLOIFT.pdf,
[2] Luc Soler and Alexandre Hostettler and Vincent Ag-

nus and Arnaud Charnoz and Jean-Baptiste Fasquel and
Johan Moreau and Anne-Blandine Osswald and Mou-
rad Bouhadjar and Jacques Marescaux 3D Image Re-
construction for Comparison of Algorithm Database : A
patient-specific anatomical and medical image databa-
se web: https://www.ircad.fr/research/3d-ircadb-02/ IR-
CAD, France,2012
[3] L. M. C. Leon and P. A. V. D. Miranda 2017 30th SIB-

GRAPI Conference Multi-Object Segmentation by Hie-
Figura 6: La segmentación de una imagen CT de la rodilla para diferentes tamaños rarchical Layered Oriented Image Foresting Transform
de superpixels.
2017, pag. 79-86
[4] Miranda, Paulo AV and Falcão, Alexandre X Links bet-

171 × 193 342 × 386 684 × 772 1368 × 1544 ween image segmentation based on optimum-path forest
IFT [8] 8.46 29.26 106.61 333.13
HLOIFT [2] 54.55 200.44 724.73 2,878.91 and minimum cut in graph Journal of Mathematical Ima-
(10 × 10)
(5 × 5)
0.52
1.61
1.88
8.14
8.08
24.78
33.05
91.29 ging and Vision Volumen. 35, number 2, pages. 128–142,
3 × 3() 4.37 17.25 62.93 260.24
2009, Springer
Cuadro 3: Tiempo en ms para los diferentes métodos y resoluciones de imagen.
[5] Alexandre, Eduardo Barreto and Chowdhury, Ananda
En el Cuadro 3, mostramos la ganancia en el tiempo de ejecu- Shankar and Falcao, Alexandre Xavier and Miranda, Pau-
ción de nuestra propuesta en comparación con el de la IFT [8] y lo A IFT-SLIC: A general framework for superpixel gene-
el HLOIFT original [2] sin superpixels, para diferentes resolu- ration based on simple linear iterative clustering and ima-
ciones de imagen y tamaños de superpixel, para lograr segmen- ge foresting transform Vechiatto 2015 28th SIBGRAPI
tar tres regiones en una imagen CT de rodilla con relaciones Conference 337–344, 2015
de inclusión y exclusión. El uso de superpixels en la HLOIFT [6] Falcão, Alexandre X and Stolfi, Jorge and de Alencar Lo-
reduce significativamente el tamaño del grafo, resultando en un tufo, Roberto The image foresting transform: Theory, al-
gran ahorro en memoria y tiempo de ejecución. Adicionalmen- gorithms, and applications PAMI, IEEE Transactions on
te, los resultados de la segmentación con diferentes tamaños de 26:19–29,2004,IEEE
superpixel son similares a los obtenido por el HLOIFT a nivel
de píxel, demostrando de esta forma su robustez del HLOIFT [7] Delong, Andrew and Boykov, Yuri Globally optimal seg-
con superpixels (Figure 6). mentation of multi-region objects Computer Vision, 2009
IEEE 12th International Conference on 285–292, 2009,
IEEE
Conclusiones
[8] Delong, Andrew and Gorelick, Lena and Veksler, Olga
and Boykov, Yuri Minimizing energies with hierarchical
En este artículo fue brevemente descrito nuestro nuevo costs International journal of computer vision 100:1 38–
método para segmentación de múltiples regiones basado 58, 2012 Springer
en grafos denominado como HLOIFT. Este método for- [9] V. Gulshan, C. Rother, A. Criminisi, A. Blake and
mula la integración de las características individuales de A. Zisserman, "Geodesic star convexity for interacti-
cada región como: polaridad en el borde y restricción de ve image segmentation,"2010 IEEE Computer Society
forma, junto con relaciones jerárquicas entre regiones co- Conference on Computer Vision and Pattern Recogni-
mo: inclusión y exclusión, en una única energía de opti- tion, San Francisco, CA, 2010, pp. 3129-3136. doi:
mización. Además de nuestro aporte teórico, nuestros ex- 10.1109/CVPR.2010.5540073
perimentos muestran buenos resultados aun considerando
una medida simple de disimilaridad, siendo menos res- [10] Malmberg Filip , Nystrom Ingela , Mehnert Andrew ,
trictivo y obteniendo resultados óptimos globales para di- Engstrom Craig , Bengtsson Ewert. Relaxed Image Fo-
ferentes casos, en contraste con lo presentado en la litera- resting Transforms for Interactive 2010 Volume Image
tura Segmentation. 7623. 10.1117/12.840019

A method to extract visual encodings from map

chart images
not support analysis of geographic maps. In our work, we ex-
tended these prior approaches to recover both visual encodings
and underlying data from map images with color-encoded sca-
lar values.
Our contribution is a map image analysis pipeline that automa-
tically extracts spatial information from map region and color
information from legend region to recover a visual encoding
specification in a declarative grammar similar to Vega-Lite [8].
Method Overview
As first stage, we collected images from three well-known

geoscience journals in the field of climate change | Nature, the
Journal of Climate, and Geophysical Research Letters; then we
M.Sc. Angela Mayhua Quispe manually annotated them to build a ground-truth corpus of map
charts.
After analyzing the corpus, we proposed a map image inter-

pretation pipeline has four main steps (see Figure 7). The input
Introduction is a map image which contains a color legend (continuous or
quantized) and text labels indicating the latitude and longitude
Nowadays, millions of maps are generated and used by stu- values.
dents, scientists, companies, and governments for a variety of We first segment the input map image into map and legend
analytical purposes. A well-designed map encodes information regions (see Figure 7b), each one containing their correspon-
so as to be interpretable by humans; however, in most of cases ding textual information.
these maps are published as bitmap images, without access to
the underlying data. For that reason, it is difficult to find and Second, we extract spatial information for the map region
reuse map data using either spatial queries (e.g. , find all maps (see Figure 7c), which includes latitude and longitude labels
involving Peru) or semantic queries (e.g. , find all maps with and projection type (e.g. , Equirectangular, Miller or Robin-
temperature values between 10◦ C and 40◦ C) [13]. We need son); in this step we apply Tesseract OCR [11] and some tech-
computational methods to automatically process maps due to niques to infer the values of geographic coordinates and to infer
the existence of millions of maps that have been digitally scan- the projection type using map templates. As third step (see Fi-
ned or digitally created [3]. gure 7d), given the legend region, we extract color encoding
information that includes the legend values, legend type, and
There are some methods focused on automatic interpreta- colormap.
tion of common statistical graphics such as bar, line, area, or pie
charts. On the other hand, some projects attempt to recover the Finally, we perform encoding inference to generate a visual
underlying data [9, 4, 1, 2, 6, 10], while others focus on reco- encoding specification using the information extracted in the
vering the visual encodings [5, 7]. However, these proposals do two previous steps (see Figure 7e).
(c) Map Analysis

(a) Input Image (b) Map and Legend Identification
(e) Encoding Inference

{
"mark": "rect",
"projection": {...},
"encoding": {
"x": {...},
(d) Legend Analysis
"y": {...},
"color": {...}
}
Figura 7: Map image interpretation pipeline.

the bar chart shows the distribution of pixels for each legend
value.
Applications
We applied our map image analysis pipeline in the following

applications: extraction of color-encoded data values to gene- Input image Distribution of extracted data
rate alternative visualizations, such as bar charts of aggregate
values by continent, and a reprojection method to generate re-
designed map images conveying the same underlying data.
Data extraction
Visual encoding can be used to extract data encoded on
a map chart, which can then be used to redesign the visuali- Figura 8: Analysis of extracted encoded data on map charts.
zation itself [9]. We have a domain D = {d1 , ..., dn } and a
range R = {c1 , ..., cn } from the color channel entry in our
visual encoding. First, we create a colormap CM = {(ci , di )}
mapping a color (ci ) to a data value (di ). Then, for each pixel Map reprojection
p in the map region, we infer the latitude lat and longitude
lon values using the inverse projection function. After that, we In the second application, given a bitmap image of a map
get the color pc and find the nearest color in CM such that chart as input, we produce a new image which uses a different
distcolor (pc , ci ) < 2,5 [12]. If a nearest color exists, we reco- projection, maintaining the original data (colors). This appli-
ver its value di as val. Finally, we export those values into a cation uses mainly the spatial information contained in the
CSV file, where each row contains a (lat, lon, val) tuple. This inferred visual encoding and a target geo projection. Figure 9
file can be used by the analyst to create other visualizations and shows an example, using a map with the Equirectangular pro-
to extract trends in data. jection as input, our tool automatically create a new map chart
For instance, Figure 8 shows an input image contains a quan- with the Robinson projection.
tized legend where each color represents a range of values and
Original Reprojected map
Figura 9: An example of map reprojection.
This work was presented at the SIBGRAPI 2018 Con-

ference, and it is published as “Extracting Visual Enco-
Conclusion dings from Map Chart Images with Color-encoded Scalar
Values". For more details about this work, you can visit
https://doi.org/10.1109/SIBGRAPI.2018.00025.
Our work presents a novel approach to extract visual en-
coding from map chart images. Given a bitmap map image
as input, we generate a visual encoding specification in a
format similar to Vega-Lite that can be useful in different Referencias
applications, such as data extraction from map charts, and
reprojection to change the design of the map using the [1] Rabah A. Al-Zaidy and C. Lee Giles. Automatic Extrac-
inferred visual encoding specification. tion of Data from Bar Charts. Proceedings of the 8th Inter-
national Conference on Knowledge Capture, 2015. ACM.

[2] Rabah A. Al-Zaidy, Sagnik Ray Choudhury and C. Lee [8] Arvind Satyanarayan, Dominik Moritz, Kanit Wongsup-
Giles. Automatic Summary Generation for Scientific Da- hasawat and Jeffrey Heer. Vega-Lite: A Grammar of In-
ta Charts. AAAI Workshop: Scholarly Big Data, 2016. teractive Graphics. IEEE Trans. Visualization & Comp.
Graphics (Proc. InfoVis), 2017.
[3] Yao-Yi Chiang, Stefan Leyk and Craig A. Knoblock. A
Survey of Digital Map Processing Techniques. ACM [9] Manolis Savva, Nicholas Kong, Arti Chhajta, Li Fei-Fei,
Computing Surveys, 2014. ACM. Maneesh Agrawala and Jeffrey Heer. ReVision: Automa-
ted Classification, Analysis and Redesign of Chart Ima-
[4] J. Gao, Y. Zhou and K. E. Barner. View: Visual Infor- ges. Proceedings of the 24th Annual ACM Symposium
mation Extraction Widget for improving chart images ac- on User Interface Software and Technology, 2011. ACM.
cessibility. 19th IEEE International Conference on Image
Processing, 2012. [10] Noah Siegel, Zachary Horvitz, Roie Levin, Santosh Div-
vala and Ali Farhadi. FigureSeer: Parsing Result-Figures
[5] Jonathan Harper and Maneesh Agrawala. Deconstructing in Research Papers. Computer Vision – ECCV 2016: 14th
and Restyling D3 Visualizations. Proceedings of the 27th European Conference, Amsterdam, The Netherlands, Oc-
Annual ACM Symposium on User Interface Software and tober 11–14, 2016, Proceedings, Part VII.
Technology, 2014. ACM. [11] R. Smith. An Overview of the Tesseract OCR Engine.
Ninth International Conference on Document Analysis
[6] Daekyoung Jung, Wonjae Kim, Hyunjoo Song, Jeong-in
and Recognition (ICDAR 2007), 2007.
Hwang, Bongshin Lee, Bohyoung Kim and Jinwook Seo.
ChartSense: Interactive Data Extraction from Chart Ima- [12] Mike Stokes, Mark D. Fairchild and Roy S. Berns. Preci-
ges. Proceedings of the 2017 CHI Conference on Human sion Requirements for Digital Color Reproduction. ACM
Factors in Computing Systems, 2017. ACM. Transactions on Graphic, 1992. ACM.
[7] Jorge Poco and Jeffrey Heer. Reverse-Engineering Visua- [13] Volker Walter, Fen Luo and Dieter Fritsch. Automatic
lizations: Recovering Visual Encodings from Chart Ima- Map Retrieval and Map Interpretation in the Internet. Ad-
ges. Computer Graphics Forum, 2017. The Eurographs vances in Spatial Data Handling. Advances in Geographic
Association & John Wiley & Sons, Ltd. Information Science, 2013. Springer, Berlin, Heidelberg.
DIPLOMADO EN CIENCIA DE DATOS

En la actualidad, las instituciones están generando grandes
volúmenes de información estructurada y no estructurada.
Toda esta información contiene conocimiento muy im-
portante para predecir acontecimientos, tomar decisiones
estratégicas, minimizar riesgos, entre otros.
Sin embargo, para poder realizar el análisis automático de

toda esta información se requieren conocimientos multi-
disciplinarios como estadística, ciencia de la computación,
técnicas de aprendizaje de máquinas, análisis de agrupa-
miento, minería de datos y visualización. Este conjunto de
habilidades se denomina Ciencia de Datos.
Por otro lado, en nuestro país las empresas están cada vez
más preocupadas en transformar la ingente cantidad de da-
tos digitales en conocimiento, y es por esto que la Univer-
sidad La Salle en conjunto con el grupo de Investigación
IPRODAM3D, han diseñado el diplomado en Ciencia de
Datos cuyo objetivo principal es formar capital humano
para poder realizar tareas de análisis, clasificación, agru-
pamiento, predicción y visualización de información y así
apoyar a empresas e instituciones con personal capacitado Diplomado en ciencia de datos - ULASALLE -
para este tipo de tareas. AREQUIPA

Automatic Gun Detection using Fast-RCNN on

extreme illumination conditions
Elian Laura culminó su maestría en Ciencia Informática en la Universidad
Nacional de San Agustín y actualmente es miembro del Centro de Investigación de
la Universidad La Salle de Arequipa. Ha presentado poster en la International
Conference of Machine Learning 2019 en California, y ha realizado dos pasantías
de investigación: en la Technische Universität Berlin, Alemania el 2016 y en
Universiteit Twente, Holanda. En el último año ha liderado el grupo PyLadies
Arequipa motivando a mujeres de diversas áreas ha conocer más de programación
y tecnología
automatic detection system, robust detection and classification

techniques are being needed, as the case of Deep Learning.
This paper uses the Fast Regional Convolutional Neural

Network (Fast-RCNN) approach, it was trained with several
guns images. For this, the Internet Movie Database Firearm
Dataset (IMFDb) [3] was used.
Furthermore, these selected images were used to train a ba-

sic Haar Cascade detector [6] to compare who Deep Learning
improve the detection rate.
Deep learning model
Based on Fast-RCNN proposed by Girshick [4] with the

Edge Boxes technique developed by Lawrence and Piotr [5].
At the beginning is the input layer that receives an image of th-
ree color channels of size of 32x32 pixels. Previous to this step
the Edge Boxes technique calculates where a possible object
could be located. This region is adjusted to the input size.
Elian Laura
Next, in the middle layers we can found a convolutional
layer with 32 filters of 3x3 size and padding of 1. Then, this
is followed by a Rectified Linear Unit (ReLU). These last two
are repeated one more time, and they are followed by the Max
Introduction Pooling layer with a size of 3x3 and with stride of 2.
Surveillance video cameras are being employed more of- Finally, in the final layers there is a Fully Connected La-
ten now-a-days. They can help to control the crime or illegal yer (FC) of 64 neurons. This is followed by a Rectified Linear
activities of criminals on the streets. So, many cities around Unit (ReLU) layer. After, another Fully Connected Layer is
the world are buying and implementing monitoring systems included with a the same size of the classification classes (one
composed of several surveillance cameras. These cameras are for the gun class and other for the background class). At the
being controlled by dedicated staff for many hours and it is a end, the softmax Layer and the classification Layer are found.
difficult task because they usually need to pay attention to more
than one video camera for a long time. In the next secction we have to explain some of the more
interesting results of our research work.
In this work we will focus on detected guns in images with
illumination changes because in surveillance videos illumi- Experiments
nation is an important factor to be treated. To carry out this

In the experiments, we used the data set from IMFDb and

took 1700 images for the training process then, some gun ima- Conclusions
ges were rotating 15 grades. On the other hand, we do not re-
gard scenes with a black background, because most firearms
are also black, and they disappear with this type of dark light. In this paper, we proposed a deep learning model for gun
detection using Fast-RCNN technique without illumina-
tion normalization techniques that can effectively detect
guns in different illumination intensities.
The detection rates are acceptable because of the ima-

ges evaluated have strong illumination changes that can
been easily interpreted in a wrong way. Our proposal
gets good results even when the detection is carrying out
Figura 10: For the training process, we need to label the guns area in every image.
in dark illumination images or with a dark background,
This process was carried out manually. In this figure we can see the guns areas where the gun is mixed with the background, and these
highlighted in green.
results have been demonstrated with the use of the Haar
Cascades which have a very low percentage of detection.
Future work will further address the efficiency and

scalability of the proposed model for real-time gun de-
tection, and we plan to seek out more scenes with gun
images to improve the dataset. In addition, when the rate
of detecting guns will be acceptable, we could lead addi-
tional task like face detection.
Furthermore, the proposed deep learning model works

in videos at the rate of 6 frames per second. The proces-
sing time of more frames could be improved using addi-
Figura 11: The first row shows all the possible gun regions that were predicted by
the model,but the second row shows the higher predicted score and region. tional GPU cards, so real-time video processing would be
possible.
Results Referencias
[1] Delong, Andrew and Boykov, Yuri. Globally optimal seg-
mentation of multi-region objects. Computer Vision, 2009
IEEE 12th International Conference on, pages 285–292,
2009, IEEE.
[2] Rutter, Michael Patrick. Harvard and MIT re-

lease working papers on open online learning.
http://news.harvard.edu/gazette/story/2014/01/harvard-
and-mit-release-working-papers-on-open-online- learning.
2014
[3] Internet Movie Firearm Database April 05, 2018 Available

Figura 12: Roc curve of the detections obtained by the proposed Fast-RCNN at http://www.imfdb.org/wiki/Main_Page
model (blue) and Haar Cascades (red). As we can see, a good detector shows a
identity line, but our detector shows a lower behavior
[4] Ross B. Girshick Fast R-CNN, Available at http:
//arxiv.org/abs/1504.08083
In our experimental evaluation of our model, both training [5] Zitnick, C. Lawrence and Dollár, Piotr Fleet, David and
and testing process were done on a PC with Windows 10 x64 Pajdla, Tomas and Schiele, Bernt and Tuytelaars, Tinne Ed-
with an Intel Core i7-7700HQ CPU 2.80GHz, a Nvidia grap- ge Boxes: Locating Object Proposals from Edges Compu-
hic card GTX 1050 with 4Gb of memory, 16GB of RAM and ter Vision – ECCV 2014 Springer International Publishing
Matlab 2017a.
[6] Viola, Paul and Jones, Michael Rapid object detection
using a boosted cascade of simple features Computer Vi-
We have used the Intersection over Union (IoU) metric with sion and Pattern Recognition, 2001. CVPR 2001. Procee-
Receiver Operating Characteristic curve (Roc curve). dings of the 2001 IEEE Computer Society Conference on
1:I–511, 2001,IEEE

Universidad La Salle - Arequipa Artículos de opinión Vol. 5 No 1, Diciembre 2019 13 / 27
Competitive programming, start now!

Luciano has started his PhD in Computer Science at the University of Zurich,
Switzerland. He is a computer scientist with an MSc degree in Computer Science
from Federal Fluminense University, Niteroi, Brazil (2017). Prior, he has earned my
BSc degree in Computer Science from the National University of Saint Augustine,
Arequipa, Peru (2014). His research interests are computer graphics, geometry
processing, and deep learning. Also, he has interest in parallel programming and
competitive programming
Luciano Arnaldo Romero Calla Figura 13: Porto ICPC World Finals 2019 (https://icpc2019.up.pt)
"The International Collegiate Programming Contest is an

Every person who has studied or is studying a Computer algorithmic programming contest for college students. Teams
Science career or a similar one has to program. Since our first of three, representing their university, work to solve the most
year at university, programming is one of the most important real-world problems, fostering collaboration, creativity, inno-
skills which we must improve on. vation, and the ability to perform under pressure. Through
training and competition, teams challenge each other to raise
Let’s define programming as the ability to solve a problem the bar on the possible. Quite simply, it is the oldest, largest,
1
efficiently, and express this solution in some programming lan- and most prestigious programming contest in the world."
guage. We mustn’t consider that write code is programming.
Programming includes other important skill that is problem- Do you want to take part in this event? Why should you
solving. The only way to improve these skills is by program- participate in the ICPC or similar ones? Are you a good pro-
ming! grammer? How to start? Let’s start talking about the problem
statement structure. Every problem statement has a description,
Competitive programming is one of the best activities you an input format, and an output format. Figure 20 shows a pro-
can do to practice and get better. In this article, I’m going to blem statement from the ICPC World Finals 2018.
give a tour of competitive programming and its potential im-
portance for your career. You have to understand the problem description and design
an efficient solution to solve the problem. The problem also has
a time limit, usually 1 to 3 seconds, to run your code and give
The International Collegiate Programming Contest (ICPC) the correct output. So, understanding the problem includes the
is the principal motivation for computer science students in the algorithmic complexity analysis of your solution. You have to
world to compete, solve problems and write code (see Figu-
take care of the problem size and ensure that your code runs in
re 13).
the time limit.
1 From: icpc.baylor.edu

Besides solving the problem, you need to take care of your there are programmers behind this software who have to fa-
code implementation and the correct format for reading the ce some problem that includes many sub-problems and write
input and writing the output. Here I can refer you to the Com- computer code.
petitive Programming 3 book, where you can find out excellent
guidelines to start training, which includes topics like I/O, data The development of artificial intelligence, more powerful
structures, graphs, greedy, geometry, strings, dynamic pro- processors, 3D scan, printers, sensors and displays, the promise
gramming, number theory among others. Many of these topics of quantum computing, are open doors for excellent researchers
you have studied in courses of programming, discrete mathe- and software developers who will face new challenge problems
matics, and analysis and design of algorithms. But, here you that could change the world.
can put on the theory in practice solving challenging problems
that prepare you for your professional career.
The last step is to test your solution. The problem statement

presents some test cases inputs and the respective output that
your solution and code should give. You must prepare more test
cases to ensure that you have solved the problem. These other
test cases could be the worse input (problem limits), the mini-
mum input values, or some tricky ones that could make your
code/algorithm fail. An important task in software develop-
ment is to prepare test cases for your code. So, solving contest
problems train you for your future as a software developer.
Problem J Figura 15: From .A Style-Based Generator Architecture for Generative Adversarial
Uncrossed Knight’s Tour Networks" (https://arxiv.org/abs/1812.04948).
Time limit: 2 seconds
A well-known puzzle is to “tour” all the squares of an 8 × 8 chessboard using a knight, which is a piece
that can move only by jumping one square in one direction and two squares in an orthogonal direction.
The knight must visit every square of the chessboard, without repeats, and then return to its starting
square. There are many ways to do this, and the chessboard size is manageable, so it is a reasonable
puzzle for a human to solve.
Researching in computer science is ever discovering and

However, you have access to a computer, and some coding skills! So, we will give you a harder version
of this problem on a rectangular m × n chessboard with an additional constraint: the knight may never
cross its own path. If you imagine its path consisting of straight line segments connecting the centers of
squares it jumps between, these segments must form a simple polygon; that is, no two segments intersect
or touch, except that consecutive segments touch at their common end point. This constraint makes it
creating new technology, facing problems that require an ex-
impossible to visit every square, so instead you must maximize the number of squares the knight visits.
We keep the constraint that the knight must return to its starting square. Figure J.1 shows an optimal
cellent background in computer science and good program-
solution for the first sample input, a 6 × 6 board.
ming skills. You could create tools and frameworks that other
programmers will use in the future. Deep learning is a good
example. A machine can recognize images with less error than
humans, in object and human recognition, even in medical ap-
plications like brain-tumor detection. You will not be able to
Figure J.1: An optimal solution for a 6 × 6 board.
differentiate a real face from a computer-generated one (see
Figure 15). Just for mention a few potential applications.
Input
The input consists of a single line containing two integers m (1 ≤ m ≤ 8) and n (1 ≤ n ≤ 1015 ), giving
the dimensions of the rectangular chessboard.
Big companies like Google, Facebook, Amazon, Pixar,
Output Nvidia, Intel, and start-ups, whose principal component is
Display the largest number of squares that a knight can visit in a tour on an m × n chessboard that does
not cross its path. If no such tour exists, display 0.
the software and understand the importance of software de-
Sample Input 1 Sample Output 1
velopment, look for programmers with excellent programming
6 6 12 (solving-problem) skills and a background in programming
contests. Because solving a problem includes the process of
ACM-ICPC World Finals 2018 Problem J: Uncrossed Knight’s Tour 19
abstraction, analysis, design, implementation, and testing.
An interview for a job there, measure your ability to solve

Figura 14: ICPC World Finals 2018 Problem J
problems, it’s like a competitive programming problem, where
you have to explain your solution and the algorithmic comple-
xity analysis, using all your knowledge about algorithms, data
structures, the theory of computation, compilers, programming
languages, discrete mathematics, software engineering, maths
Why competitive programming prepare you for the future?
among other topics. You can easily prepare for a work there
Every day we meet with technology e-mail, social net- solving competitive programming problems.
works, video-games, apps in our cellphones, self-driven cars,

having fun. ICPC Live Archive (icpcarchive.ecs.baylor.edu)

and ICPC Kattis (icpc.kattis.com) are online judges where
you can find the ICPC regionals and finals problems. Kat-
tis include the lastest ICPC problems. URI (urionlinejud-
ge.com.br), Kattis (open.kattis.com), SPOJ (spoj.com) and
UVa (uva.onlinejudge.org) have an archive of hundreds of pro-
blems from different sources like ICPC problems and other si-
milar ones from other contests. Codeforces (codeforces.com),
CodeChef (codechef.com) and Topcoder (topcoder.com) are
different from the others because they organized several rounds
monthly with new problems; you can compete and impro-
ve your skills in real-time contests. Finally, A2OJ (a2oj.com)
allows you to create a contest with problems from different jud-
ges.
Now, you can start solving problems and getting better in
Figura 16: Google’s Coding programming. Don’t forget to share what you are learning. The
Competitions https://codingcompetitions.withgoogle.com
best way to learn and improve your skills is by teaching. Be-
cause if you understand something you can teach it, else you
need to study more.
Google organizes yearly tree important coding competi-
tions to motivate programmers to compete and solve challen-
ge problems. Also, Google looks for new software developers
in these events. Figure 16 shows a screenshot and the web pa-
ge where you can find more information and register for the-
se competitions. Facebook has a similar event called Facebook
Hacker Cup.
How to start?
I have already mentioned the book Çompetitive Programming

3: The New Lower Bound of Programming Contests" (cp-
book.net) written by Steven Halim and Felix Halim, where
you’ll find an excellent guide to start and the minimum topics
that you need to master to compete in any programming con-
tests. Each chapter presents a set of exercises and problems ta-
ken from UVa (uva.onlinejudge.org) and integrated with uHunt
(uhunt.onlinejudge.org) where you can track your progress and
stats (see Figure 17).
Another similar and recent book is "Guide to Competi-

tive Programming, Learning and Improving Algorithms Th-
rough Contests"2 whose author is Antti Laaksonen. Also, the-
re is a website cp-algorithms.com that describe a set of to- Figura 17: uhunt.onlinejudge.org
pics and algorithms that will help you to start solving pro-
blems. Some online judges to start solving problems and
2 www.springerprofessional.de/en/guide-to-competitive-programming/15339090

Inquisitive mind as a key for researching

Lizeth has started a PhD in Computer Science at the University of Zurich,
Switzerland. She is a computer scientist with an MSc. degree in Computer Science
from Federal Fluminense University, Niteroi - Brazil (2017). Prior, she has earned
my BSc. degree in Computer Science from the National University of Saint
Augustine, Arequipa - Peru (2014). Her research interests are computer graphics,
geometry processing, shape analysis, computational geometry, computer vision and
machine learning
and to face challenging problems.
Figura 18: Caveman and working late cartoon.

https://www.cartooncollections.com/cartoon?searchID=
CC122677
A harmful consequence of our dependency on technology

is that our brain becomes rusty with the passing of time, our
life gets boring, and in some cases we fall into depression. I
believe that a good way to overcome this problem is through
developing an inquisitive mind. Humans have been dominating
this planet thanks to the ability to use our sophisticated brains
for abstract thinking that has allowed us to develop new tech-
nologies. It is in our blood, as the saying goes, that we are made
Lizeth Fuentes Pérez for learning, adapting and creating. Engaging in these activities
guarantee us a more fulfilling life .
Around five centuries ago, the world was completely diffe-

rent. Technological advancements have made our daily lifestyle
much easier. We have become less motivated to learn and also
ignorant of more and more things. Nowadays, normally we
became a specialist in some field and ignore most of the other
ones. Therefore, we strongly depend on others to take care of
our necessities, like hair cutting, fixing a broken machine or
even preparing your food, just to mention a few.
We have become less skilled and less focused than our

ancestors because we inhabit in a safer world. For instance,
when humans had to survive in the savanna, their probability of
dying from an animal attack, poisonous fungi, or hunger were
higher than now. In such circumstances, they had to be quite Figura 19: Freepik brain cartoon.
focused on what they were doing. However today, we enjoy https://www.freepik.com/premium-vector/
brain-cartoon-set_5096282.htm
a more secure lifestyle, where necessities are roughly covered
and also there is access to a comfortable life. Therefore, many There is an expression which says that when we are young,
of us prefer to live in a comfort zone rather than to take risks we are flexible, and when we are old we became more rigid and

less likely to change. You can witness how happy the children first works in Deep learning, they were rejected badly for the
are for whatever funny new thing they discover. Also, they are scientific community, because his proposal was very different
highly focused on the present moment and they tend to imitate from the standard methods at that time. However, nowadays it
others, to learn as much as they can. This behavior is the key to is a total success, it has changed many research fields and it is
a more creative thinking. still improving.
The main point of this article is to motivate you to start cul- What I just pointed out is to come up with an original idea
tivating an inquisitive mind. The fastest way to do this is by requires to think differently. And the trivial question is, how
changing your mindset to embrace learning. A good practice can I do that? And then, there is not a fixed answer or a for-
to achieve the former is researching in whatever ( please make mula. As far as I know, a way to achieve this is by making
sure it does not include information about someone’s private connections or finding patterns in activities that require to put
affairs) you are interested in. a lot of focus. In other words, you can achieve this by gaining
Research is like playing with a puzzle or a riddle, where experience in solving problems. You need to be open-minded
you spent several hours trying to figure it out a solution. It is to see the problem from different points of views. The big trick
also like creating new dishes, no matter how good your cooking here is that you need to be fine with failing. It is important
skills are, creating new dishes is harder. There is no recipe, but because when someone starts a new project or activity, it is
there is a vast field of previous recipes you can review. Also, it more likely to fail and get bullied by others. Therefore, you
is highly competitive, since we are living in a globalized world have to learn to overcome negative criticism and focus in enjoy
where the information is highly available. So, better keep up- every new lesson. I had that experience myself when I entered a
dating yourself and checking recent approaches constantly. new field at those times during my undergrad. After I struggled
with a lot of notations and formulas, I realized how much they
simplified abstract thoughts, eliminating ambiguity.
Embrace the unknown and get used to change are important

to evolving in life. The choices I made in my life were based on
this principle, I like adapting myself a lot. There is an expres-
sion: Burn the ships! which means, a retreat is easy when you
have the option. So, I just prefer burning the ships. I remember
being told I was better with linguistics rather than science, then
I choose to study Computer Science. Also, after finishing my
undergrad studies I had the option of doing my master’s in my
country or to go outside. I choose to go to Brazil, and when
finally I adapted to Brazil I choose again to go somewhere else.
Figura 20: Fuelling curiosity.
https://medium.com/@prasad.khamkar11/
fuelling-curiosity-a1a993605869 Today I have started my Ph.D. studies in Computer Science
at the University of Zurich. In the beginning, you can struggle
Researching is an important exercise for our brain, it is with many obstacles like a new language, new system, legal
fun, and it promotes curiosity. Innovation can be related to the documents, new culture, housing and so on. However, for me,
ability to establish relationships between different fields. For it is only a small price to pay for a great source of new expe-
example, Neuroscience have served as inspiration for the deve- riences. Your brain is making new connections all the time. For
lopment of Neuronal Networks. It gave origin a new research instance, when admiring the new places (architecture, landsca-
field known as Deep Learning. pes), new tastes of food, new persons to meet and to interact
with, the mixture of cultures, it is never a boring life.
In my experience, the best way to come up with somet-
hing original is through changing your way of thinking of a Furthermore, there is still a lot to learn in your expertise
determined problem. Facing a new problem is difficult and field. In my case I am working on a part of a big project called
time-demanding. In order to solve it, you can change some EVOCATION, it means Advanced Visual and Geometric Com-
parts you consider you can improve, or you can replace enti- puting for 3D Capture, Display, and Fabrication. My research
rely some stages of the whole pipeline. The second option is is focused on the development of innovative techniques for the
risky and difficult because you will face many challenges and efficient processing of scanned 3D geometric data in indoor en-
if you are lucky enough and at the end, you got useful results, vironments. There is a long way ahead of me, but right now, I
probably when you present your work, the judges simply do feel very excited because I have time and energy to do the tasks
not accept it. For instance, when Yann LeCun presented his and keep growing and enjoying at the same time.

Mujeres en ciencia de la computación

La Dra. Aurea Soriano-Vargas trabaja hace 1 año como post doctoranda en el
laboratorio RECOD (Reasoning for Complex Data) en la Universidade de
Campinas, Brasil. Actualmente, está diseñando y desarrollando soluciones de
aprendizaje automatizado (machine learning) para explorar similitudes y patrones
en datos de modelos de simulación y datos sísmicos 4D relacionados con los
reservorios de petróleo de Brasil
nos hicieran nada. Fui aceptada en la Universidade de

São Paulo para realizar una maestría y
La solución del segundo problema después un doctorado en el laboratorio
demoró un poco más. Mis padres tuvie- VICG (Visualization, Imaging and Com-
ron que hacerse préstamos y privaciones puter Graphics), ambos con beca, bajo
para que pueda subsistir por un semes- la supervisión de la Dra. Maria Cristi-
tre. Además, yo daba clases particulares na Ferreira de Oliveira, ¡sí una mujer!,
y cantaba en grupos para juntar dinero; quien fue por muchos años editora-jefe
no sólo para las pensiones, pues también del Journal of the Brazilian Computer
tenia que pagar un lugar donde vivir, Society y que actualmente es la Directora
comer y realizar diversos gastos en la del Instituto de Ciências Matemáticas e
universidad. Fue un semestre complica- de Computação (ICMC) de la Univer-
do, lo sé, pero luego de todo ese esfuerzo, sidade de São Paulo. El porcentaje de
los frutos empezaron a dar resultados, y mujeres en la maestría no era muy dife-
Dra. Aurea Soriano-Vargas al terminar el primer semestre, la Univer- rente al visto en mi graduación en Perú, y
sidad Católica San Pablo me brindó una el porcentaje en doctorado era aún menor.
beca completa y ese fue el comienzo de
todo. ¡Muchas gracias! Realicé una pasantía en la Univer-
Los Inicios sity of California, Davis en el laboratorio
Debo admitir que fue grande el des- IDAV (Institute for Data Analysis and
Mi historia en Computación inicia concierto al entrar el primer día en el Visualization), donde a pesar de que la
en el colegio particular de mujeres Ma- salón de clases. Provenía de un colegio directora de Computación era mujer, en
ría Auxiliadora en una ciudad pintoresca de mujeres, donde nos motivaron a invo- el laboratorio éramos sólo dos mujeres. Y
llamada Mollendo, gracias a una beca lucrarnos con la ciencia y la tecnología. actualmente, en el laboratorio RECOD,
otorgada por la institución. Sin embargo, de los tres salones de In- somos alrededor de 8 mujeres en un gru-
geniería Informática (alrededor de 120 po de casi 40 personas.
Decidí probar suerte postulando a alumnos), sólo eramos alrededor de 15
Ingeniería Informática en la Universi- mujeres. Pero eso no fue impedimento
dad Católica San Pablo, pero habían dos A pesar de tener excelentes ejemplos
para seguir la carrera y amarla año tras
grandes problemas: 1) días antes del de mujeres que sobresalen en Compu-
año (aunque muchas noches me desve-
examen escrito hubo una huelga en la tación en la actualidad y de tener mu-
lara). Y así, después de 5 años, egresé
Provincia de Islay que bloqueó la carre- chísimas oportunidades sin distinción, el
como el primer puesto de mi promoción.
tera y 2) mi familia no contaba con el número de mujeres en Computación es
dinero para que yo pueda estudiar allí. muy bajo. En el transcurso descubrí que
¿Cómo resolví esos problemas? ese porcentaje bajo en mujeres no siem-
Aspirando a más pre fue así. Década atrás, las mujeres
Para el problema 1), tuve que caminar fuimos quienes liderábamos el campo de
cerca de 7 horas de Mollendo a Arequi- Al concluir la universidad, tuve la Computación.
pa, y 10 horas de Arequipa a Mollendo, mala suerte de encontrar algunos traba-
hasta encontrar un carro que pueda lle- jos donde se consideraban a los profesio- Un ejemplo muy conocido es el de
varnos. Debo agradecer infinitamente a nales en Computación como técnicos y Augusta Ada King, condesa de Lovelace,
mi madre que me acompañó en toda la responsables por dar soporte a usuarios y hija de Lord Byron. Su historia es pecu-
travesía y a mi padre por esperarnos al esa fue una de las razones que me moti- liar, su madre no quería que ella fuera
regreso, en medio del grupo que bloquea- varon a buscar oportunidades en Brasil. como su padre, un romántico poeta. Así,
ba la carretera, para asegurarse de que no Ada recibió tutorías casi exclusivamente

en matemáticas como si eso fuera un an- Parece ser algo propio de la cultu- Afortunadamente no. Europa tiene un
tídoto para ser poeta. Y ella descubre la ra actual, y que considero, tenemos que promedio de 16.1 % de participación de
poesía en las matemáticas, llegando a ser cambiar. mujeres en Computación de acuerdo a
conocida como la primera programadora Eurostat data. Bulgaria y Rumania tienen
de la historia. las tasas más altas de mujeres que ingre-
¿Qué podemos hacer? san en el área de Computación, 27.7 %
Otro ejemplo, Grace Hopper quien y 27.2 % respectivamente. Luego vie-
fue la primera persona en diseñar un Creo que es importante mirar lo que nen Letonia, Finlandia, Estonia y Litua-
compilador para un lenguaje de pro- ya se ha hecho. No hace mucho tiempo nia con más del 20 %, Reino Unido con
gramación. Podemos decir que hasta la (menos de 100 años), la mujer tenía que 18 %, Alemania 17 % e Italia 16 %.
Segunda Guerra Mundial, la programa- luchar contra la discriminación de géne-
ción fue realizada principalmente por ro, no podía votar, era educada para ser Entonces, ¿cuál es el secreto de estos
mujeres. Después de la década de 1960, ama de casa y no podía pensar abierta- lugares?
el porcentaje de mujeres disminuyó. mente en obtener un título. El hecho de
que mi capacidad para obtener un título
La igualdad de trabajo y remunera-
Con todo, existen ejemplos femeni- se base en el mérito y en las oportunida-
ción entre hombres y mujeres sentó las
nos en Computación, tales como la Dra. des, y no en el género, ya significa que el
bases para crear diversidad en el medio
Katherine Louise Bouman, en el campo medio ha avanzado mucho.
laboral de Computación, colocando la
de Computer imagery, para el desarrollo
emancipación de las mujeres en el cora-
de un algoritmo para obtener imágenes Debemos de motivar para aumentar zón de la ideología del estado. Además,
de agujeros negros en alta resolución el interés en Computación en mujeres.
el sistema educativo de estos países ha
(Continuous High-resolution). Y ese cambio debe ser motivado desde sentado las bases para que tanto las niñas
todos los frentes: escuelas, universida- como los niños consideren la tecnología
des, oportunidades de trabajo, sociedad, como una carrera imprescindible. Los pa-
Entonces, ¿por qué en las medios de comunicación, etc. Sobretodo dres y maestros valoran las matemáticas
universidades y en el medio laboral de este último, donde es común asociar un como una “ciencia exacta” y enfatizan
Computación vemos un porcentaje personaje informático ficticio a un varón su importancia. Tal vez, la respuesta es
bajo de mujeres? de contextura no atlética y de grandes no sólo dar un trato equitativo a ambos
gafas. sexos e impulsar las matemáticas y la
Existen varios trabajos que analizan tecnología en la educación, sino desarrai-
esta disparidad de género y la falta de gar el machismo de la cultura, es decir
mujeres en Computación, pero sin expli- ¿La disparidad de género en de la cabeza; no sólo de hombres, sino
caciones concluyentes. Computación es global? también de mujeres.
ULASALLE
La Universidad La Salle es integrante de la Asociación In-
ternacional de Universidades Lasallistas (AIUL), entidad
que agrupa a más de 70 instituciones de educación superior
en todo el mundo.
Gracias a esta red y nutridos de la basta experiencia de la

Congregación en el campo de la educación universitaria,
nos proyectamos como la primera oferta de carácter in-
ternacional en todo el sur del Perú. De esta manera, tanto
estudiantes como profesores, formarán parte de una gran
comunidad académica que día a día procura acciones con-
juntas con miras a alcanzar la excelencia en cada uno de
los países donde estamos presentes.
ULASALLE - https://www.ulasalle.edu.pe

La educación en línea, entre la evolución o el

fracaso
Maestro en Tecnologías de Información Empresarial y Postgraduado en
Teleinformática y Redes. Director de la Facultad de Tecnologías de Información de
la Universidad De La Salle Bajío en México. Galardonado por Microsoft con el
premio Most Valuable Professional en las ediciones 2017-2018 y 2018-2019.
Coordinador del equipo de Posgrado e Investigación de la Comisión Estatal para la
Planeación de la Educación Superior del Estado de Guanajuato (COEPES) y
Coordinador Vinculante de la Comisión, con el Sistema de Redes de Investigación
Educativa Aplicada del Estado de Guanajuato. Catedrático Universitario en
materias del área Tecnológica
general.
Actualmente, plataformas tecnológicas ofrecen capacita-

ción en portales Web, como Platzi o NextU, que mediante una
suscripción anual proporcionan contenidos de diferentes disci-
plinas, o como Udemy que ofrece cursos independientes con
un costo muy bajo, situación que genera que las Universidades
tengan que replantear no solo la educación en línea, sino la
propia educación tradicional. De acuerdo con un estudio del
Profesor Clayton Christensen de la Escuela de Negocios de
Harvard, se pronostica que la mitad de las Universidades en
Estados Unidos estarán en la bancarrota en la siguiente década,
[1].
¿Por qué hay tanta deserción?
La principal problemática de la educación en línea es la deser-

ción. De acuerdo a un reporte publicado en el 2014 por Michael
Patrick Rutter de The Harvard Gazette, menciona que el 50 %
de los que se inscriben a los MOOC’s (Massive Online Open
Courses o cursos online masivos y abiertos), no continúan des-
pués de un par de semanas, y solo el 5 % termina el curso, por
lo que la deserción es impresionante, [2].
M.T.I. Enrique Aguilar Vargas
Las Universidades han replicado el ofrecimiento de cur-
sos a distancia, le han agregado registros de validez oficial de
estudios y han generado el proceso de monetización de estos
cursos; el resultado: el mismo. Un gran porcentaje de perso-
¿Qué es lo atractivo de la educación en línea? nas que se inscriben no terminan los cursos en línea. En la
educación tradicional, al estudiar una carrera Universitaria o
Desde hace una década, la educación en línea se ha convertido un Posgrado, se vuelve un reto aún mayor el ofrecimiento de
en un referente de las Universidades en el mundo, permitiendo programas a distancia.
ofrecer el conocimiento que se genera en las aulas y llevarlo a
diferentes lugares, mediante el uso de las Tecnologías de Infor- Algunas Universidades contratan consultoras o empresas
mación. Al menos, eso se encuentra en el ideal; sin embargo, dedicadas a efectuar campañas masivas de marketing, call cen-
la educación en línea tiene importantes retos que vencer, antes ters, vendedores y promotores, como un gran equipo detrás
de ser una opción viable, efectiva y masiva para la sociedad en de la educación en línea, eso ha permitido a Universidades en

todo el mundo el tener una importante cantidad de alumnos en las Tecnologías de Información, además de los departamentos
dicha modalidad; sin embargo, la deserción continúa siendo el administrativos de dichas áreas, para la conformación de un
problema más complejo de solucionar, aunque probablemente Comité que permita evaluar la ruta de la Educación a distancia
la solución sea sencilla, el acompañamiento efectivo de funcio- de la Universidad. El nuevo departamento deberá de estar ali-
narios y maestros con los alumnos. neado a la visión de la Universidad, y tendrá que generar los
espacios virtuales para implementar la formación de los estu-
diantes, no solo manejar una plataforma LMS, sino un nuevo
La fidelización del alumno esquema de acercamiento, que permita cumplir la misión de la
Universidad y el gran reto de la educación en línea, la forma-
Un alumno genera una fidelización a la Universidad, a su Facul- ción integral de un alumno.
tad, a su programa de estudios, a sus compañeros, pero princi-
palmente con los Maestros. Esa relación directa de aprendizaje El cambio de la estructura Universitaria, pero principal-
en el aula es uno de los puntos más importantes para cualquier mente la generación de nuevos procesos, vinculantes con las
egresado Universitario, los profesores que marcan a los estu- áreas de escolares (al interior de la Universidad), áreas admi-
diantes con su guía, son de lo más valorado por los alumnos, nistrativas y de promoción, sin forzar a la educación a distancia
y esa relación tan estrecha en las aulas tradicionales, está en a los procesos tradicionales presenciales internos, llevará a un
segundo término en la educación en línea; por consiguiente, adecuado funcionamiento de esta modalidad.
genera una falta de motivación en los alumnos, en entornos no-
tablemente diezmados por la clásica educación a distancia de El viejo esquema de realizar diseños instruccionales, colo-
las Universidades, pasando a lo impersonal de una manera tan carlos en plataforma, hacer un video introductorio y compartir
radical, que el solo esperar una respuesta en un foro, se vuelve links, para después activar clase a clase y revisar tareas y con-
desalentador y frío para los participantes. testar en foros se vuelve obsoleto rápidamente ante las nuevas
generaciones que requieren un acercamiento con el docente,
con los funcionarios administrativos, para evitar el catastrófico
¿Por qué se genera la deserción? escenario de la deserción.
La deserción se genera por una falta de visión de cómo estruc- Adicional a lo anterior, se tendrán que crear nuevos es-
turar la educación a distancia; es decir, viene desde la raíz. El quemas y complementarlos, como salones virtuales en donde
creer que el hacer una educación en línea solo con generar di- el profesor vea directamente a los alumnos, en tiempo real, de
seños instruccionales, colocarlos en una plataforma educativa manera síncrona. Y en donde ese espacio virtual se convierta en
y contestar en foros, se garantiza el éxito de la educación en un verdadero salón de clase, con uno de los aspectos más enri-
línea, ese es el principal error. Además del acompañamiento, quecedores de la educación: el diálogo docente y entre alumnos
existen otros factores que permitirán enfocar los esfuerzos de al momento de estar explicando un tema, o haciendo juntos una
la educación en línea para que tenga éxito. Las claves tendrían práctica. Lo cual, en los modelos actuales y tradicionales en
que estar definidas en un primer paso, el modelo de educación a línea, no se tiene contemplado.
distancia Universitaria, un documento en donde deben de parti-
cipar las áreas académicas y administrativas de la Universidad La educación a distancia no es un simple repositorio de
en relación con Tecnologías de Información, Educación y áreas diseños instruccionales y profesores contestando en foros, es
de gestión, para que, entre administrativos y académicos pue- llevar la educación de manera real y efectiva a otras latitudes,
dan replantear el modelo tradicional de la educación en línea, ahí está el principal reto, estar entre la evolución o el fracaso.
para generar un modelo actualizado y adecuado, con relación a
la visión y misión de las instituciones.
Referencias
Un modelo académico para la educación a distancia
[1] Delong, Andrew and Boykov, Yuri. Globally optimal seg-
Sin un modelo académico actualizado para las modalidades a mentation of multi-region objects. Computer Vision, 2009
distancia, el fracaso será una constante en la educación en línea, IEEE 12th International Conference on, pages 285–292,
en donde se corre el riesgo de iniciar grupos con el mínimo de 2009, IEEE.
alumnos a distancia y en donde cada cuatrimestre o semestre
se irán dando de baja. [2] Rutter, Michael Patrick. Harvard and MIT re-
Cuando el modelo académico de educación a distancia de las lease working papers on open online learning.
Universidades esté listo, se deberá de crear un departamento http://news.harvard.edu/gazette/story/2014/01/harvard-
que se encargue de los procesos, además deberá de estar en and-mit-release-working-papers-on-open-online- learning.
relación directa con las Facultades afines a la Educación y a 2014

Ciencia de la computación y medicina en la era de

Big Data
El Dr. Oscar Cuadros-Linares trabaja hace 1 año como pos doctorando en el
Laboratorio de Bases de Dados e Imágenes (GBDI), en la Universidad de São Paulo,
Brasil. Actualmente se encuentra investigando métodos radiómicos para análisis de
biopsias y tomografía computarizada de pulmón, con el objetivo de apoyar en el
diagnóstico preciso y precoz de enfermedades intersticiales de pulmón
Queda claro que, en general, la investigación en medicina

genera mucho interés social. Debido a eso, las revistas espe-
cializadas en computación y medicina suelen tener un factor
de impacto alto, comparado con otras revistas de computación
aplicadas a otra área del conocimiento. Por ejemplo, la revista
IEEE Transactions on Medical Imaging presenta un factor de
impacto de impacto de 7.8164 .
En medicina, a diferencia de otras áreas, estamos hablando

de pacientes, “personas” que esperan por diagnósticos precisos
y precoces para poder aplicar tratamientos adecuados a sus do-
lencias. Diagnósticos equivocados o tardíos pueden traer serias
consecuencias a la salud de los pacientes, inclusive irreversi-
bles o hasta la muerte. Esto exige especial cuidado y dedicación
de los profesionales que trabajan con datos médicos.
Es así que surgen los sistemas de detección (o diagnósti-

co) automatizada asistida por computadora o CADe del inglés
Automated-computer-aided detection/diagnosis. El objetivo de
estos sistemas es asistir a los médicos en la interpretación
de imágenes médicas como: rayos X, ultrasonido, tomogra-
fía computarizada (TC), etc. Gran parte de la investigación
en sistemas CADe se ha basado en extracción de regiones de
interés o regions of interest (ROI). Se han aplicado diversas
Dr. Oscar Cuadros-Linares técnicas de procesamiento de imágenes como: estadísticas de
la intensidad, histogramas, gradiente de la intensidad y descrip-
tores de forma. Además de algoritmos de clasificación como
Support Vector Machine (SVM) y Random Forest Classifiers.
Los Inicios Actualmente, la aplicación de los sistemas CAD abarca des-
de detección de pólipos para diagnóstico de cáncer de colón,
No es novedad que la computación ha sido aplicada en me- identificación de nódulos pulmonares, detección de tumores en
dicina desde hace muchas décadas. Por ejemplo, a inicios de mamas, entre otras muchas otras aplicaciones [1].
los años 1950s se comenzaron a publicar los primeros artículos
que cubrían las áreas de ingeniería y computación aplicadas Otro tipo de sistemas que han surgido en el mundo de la
en biología y medicina. Estos artículos fueron publicados en medicina asistida por computador son los que aplican el con-
la revista IRE Transactions on Medical Electronics3 , que bá- cepto de radiómica o Radiomics. La idea es extraer y analizar
sicamente publicaba avances en medicina y dispositivos elec- la mayor cantidad de información posible de diversas fuentes
trónicos. Desde esa década hasta hoy, una enorme cantidad médicas como: imágenes, exámenes de laboratorio, síntomas,
de revistas y conferencias especializadas han aparecido con el entre otros. La hipótesis principal del concepto de radiómica
objetivo aportar al desarrollo de la computación aplicada en es que se debe incluir datos de todo tipo (biológicos, médicos,
medicina. históricos) con el objetivo de proveer diagnósticos, pronósticos
y predicciones mucho más precisas y rápidas. El gran reto de
3 Hoy IEEE Transactions on Biomedical Engineering
4 Verificado en 31 de Julio de 2019

este tipo de sistemas es crear modelos que sean capaces de to estructurado (base de datos), disponibilidad (servicios web),
extraer información diversa y útil que se genera durante todo el análisis (procesamiento de imágenes, minería de datos, Deep
proceso de análisis médico [2]. learning), diagnóstico y tratamientos (CAD y radiómica) y di-
seño de sistemas e interfaces de usuario adecuadas (ingeniería
Por otro lado, en la última década se ha popularizado un del software). Todo desde la perspectiva de Big Data.
nuevo término, que es de especial importancia para la compu-
tación y estadística, hablamos de Big Data que en español sería El desafío es grande, pero los resultados son mayores, mi-
algo como “gran cantidad de datos”. Esto se refiere básicamen- les de pacientes ya se ven beneficiados con diagnósticos pre-
te a la enorme cantidad de datos disponibles, datos de todo cisos y rápidos, lo que conlleva a tratamientos adecuados y
tipo: textuales, imágenes, vídeo, numéricos, variantes en el precoces. En nuestro país, la investigación en este campo des-
tiempo, etc. Muchos de estos datos no están estructurados, son afortunadamente es aún pequeña. No obstante, existen algunos
redundantes, obsoletos o innecesarios. Sin embargo, la gran proyectos impulsados por grupos de investigación de universi-
mayoría de estos datos “esconde” información muy valiosa, dades, principalmente a nivel de posgrado. Hace falta impulsar
“conocimiento”, que debería ser aprovechado. El estudio y ma- proyectos multidisciplinarios entre universidades y centros mé-
nipulación de Big data ha generado tanto interés en el medio dicos. El sistema médico peruano necesita de estas tecnologías
que han aparecido nuevos profesionales, conocidos como Data para mejorar la calidad de la atención médica en el país. El
scientists, especializados en la llamada “Ciencia de datos”. conocimiento existe, los datos existen, la necesidad existe, los
profesionales existen. Sólo hace falta liderar proyectos que en-
La Ciencia de datos puede ser aplicada en prácticamente caren el desafío de aplicar computación y medicina en la era de
cualquier área: ingeniería, computación, biología, química, so- Big Data.
ciología, marketing, medicina, entre otras. En medicina, resulta
cada vez más fácil (rápido y económico) el acceso a exámenes
de laboratorio, radiografías, tomografías computarizadas, reso-
nancias magnéticas y biopsias digitalizadas. Además de datos Referencias
de pacientes como: síntomas, edad, ambiente laboral, entre
otros. Todos estos datos se almacenan diariamente en cantida- [1] Roth, Holger R and Lu, Le and Liu, Jiamin and Yao, Jian-
des enormes en diversos servidores a nivel mundial, superando hua and Seff, Ari and Cherry, Kevin and Kim, Lauren and
la capacidad de análisis de los sistemas CAD tradicionales. Summers, Ronald M. Improving computer-aided detection
using convolutional neural networks and random view ag-
La tendencia actual en investigación aplicada en medicina gregation. In IEEE transactions on medical imaging, IEEE
es usar y/o crear técnicas de Big data aplicadas en sistemas ra- , pages 1170–1181, 2015.
diómicos. En este contexto, se han publicado muchos artículos
que proponen diversas técnicas para aplicar conceptos de Big [2] Kumar, Virendra and Gu, Yuhua and Basu, Satrajit and
data y Radiomics. Sin embargo, aún existen grandes desafíos Berglund, Anders and Eschrich, Steven A and Schabath,
que requieren mucho trabajo por parte de profesionales de to- Matthew B and Forster, Kenneth and Aerts, Hugo JWL
das las áreas involucradas: medicina, biología, computación y and Dekker, Andre and Fenstermacher, David and others.
estadística principalmente. Estos desafíos van desde la adquisi- Radiomics: the process and the challenges. Magnetic
ción de datos de forma precisa (física médica), almacenamien- resonance imaging, 2012.
POSTGRADO ULASALLE
La Universidad La Salle de Arequipa acaba de lanzar la
Escuela de Postgrado, la cual cuenta con una Maestría en
Derecho Empresarial la cual brinda las herramientas ne-
cesarias para dominar el marco jurídico de las empresas
y la normativa de los modelos de negocios nacionales e
internacionales. Está enfocado en el campo del derecho y
las finanzas para afrontar los retos de un mundo globali-
zado. Además, se tiene el MBA con mención en negocios
internacionales cuyo finalidad es brindar las herramien-
tas necesarias para liderar proyectos empresariales a nivel
nacional e internacional. A lo largo de la maestría apren-
derás a dominar la gestión de recursos financieros y los
diferentes eventos que condicionan los negocios en los
continentes. POSTGRADO ULASALLE -
https://www.ulasalle.edu.pe/posgrado/

Universidad La Salle - Arequipa Emprendimiento e Innovación Vol. 5 No 1, Diciembre 2019 24 / 27
Software, innovación y empresa

La ingeniera Marisol Galarza es una joven empresaria y capacitadora. Fundadora
y encargada de dirigir el laboratorio de Robótica Imagine Labs y es Gerente de
Ludio Robots. Ganadora del concurso nacional Start Up Perú del Ministerio de
Producción, y Believe in yourself de la Universidad Católica San Pablo, ha sido
ponente en Women’s Age de Telefónica Open Future, Wonder Tech Woman de
Women in the Engineering, entre otros
también asesoría de proyectos de innova- comercial y con una calidad indiscuti-

ción e investigamos nuevas tecnologías. ble. Pronto planea venderse también al
Imagine Labs además trabaja en conjunto público en general, para quienes quieran
con La Universidad La Salle organizando aprender robótica de competencia y de
competencias de robótica y exhibición de proyectos, profundizando en las áreas de
proyectos. programación y electrónica.
¿Por qué es importante el desarrollo

de software? El software, en este punto,
es una herramienta poderosa que nos ha
posibilitado concebir el proyecto Ludio,
de hecho los directores del mismo somos
Marisol Galarza
ingenieros de sistemas, programadores
ambos. Programar es ejercitar un pensa-
miento crítico y ordenado con el objeto
Durante algunos años, me he dado de resolver problemas, desarrollar habi-
a la tarea de entender qué nos hace falta lidades de análisis para descomponer un
para empezar a industrializar el País, ges- Image Labs problema complejo en partes o proble-
tar una cultura de innovación tecnológica mas sencillos, y así, al dar una solución
y empezar a formar una generación de ordenada de estas pequeñas partes, ob-
creadores; una de las razones que encon- tengamos la solución del problema total.
tré en esa búsqueda, son los paradigmas Durante este proceso de desarrollo y
individuales que nos auto imponemos so- aprendizaje, surgió una pregunta: ¿Cómo
bre el desarrollo de software de calidad podemos enseñar creación tecnológica si
y la investigación como algo inaccesible, nosotros no creamos tecnología a un ni-
difícil o peor aún, algo que solo podemos vel comercial? Y este fue el impulso que
hacer bien en el exilio. Es aquí donde requerimos para iniciar un nuevo pro-
nace Imagine Labs. yecto que llamamos Ludio. Ludio nació
en el seno del centro de investigación de
Imagine Labs es un laboratorio de Imagine Labs.
robótica que apunta a romper con los
convencionalismos y se decidió a en- En Ludio trabaja un equipo multi-
señar programación y robótica a niños, disciplinario de ingenieros electrónicos,
adolescentes y adultos que quieran crear mecánicos y programadores, que han di- Robot Ludio
tecnología. El fin del laboratorio no es señado y creado el primer kit de robótica
solo el aprendizaje, sino la aplicación de competencia hecho todo en Arequipa.
de los conocimientos que vamos acumu- Este proyecto se viene implementando Tanto en Ludio como en Imagine
lando. Motivar a los niños desde edades con la UGEL en algunos colegios y aspi- Labs, apostamos por una renovación
tempranas a la ciencia, la investigación y ra a expandirse más allá de las fronteras del concepto de educación de calidad,
la innovación, desarrollar su creatividad de la región. buscamos no un cambio sino una trans-
y explotar sus potencialidades. Trabaja- formación de la educación; invertimos
mos con niños desde los 4 años hasta Ludio asimismo ha ganado el con- en la creación de herramientas tecno-
adultos sin límite de edad, en un abanico curso nacional StartUp Perú en su quinta lógicas que nos permitan enseñar con
de programas dependiendo de la edad edición, lo que le ha proporcionado los diversión: programación, electrónica y
y el objetivo al que aspiren, brindamos fondos para desarrollar sus kits a un nivel ciencia en general, convirtiendo a los

Universidad La Salle - Arequipa La Universidad en el mundo Vol. 5 No 1, Diciembre 2019 25 / 27
“solo usuarios” en “creadores tecnoló- del programador representa el valor del

gicos”. Las capacitaciones se brindan en El software es además un recurso producto. El costo del mismo dependerá
https://www.facebook.com/imaginelabsa- que podemos aprender para resolver pro- de cuán eficiente y eficaz es el código del
requipa/, mientras que los kits blemas de forma eficiente y sin mucha programador, y esto se refleja en qué tan
de robótica Ludio, se ofrecen en inversión monetaria, es decir, el capital rápida es la respuesta del programa.
http://ludiorobots.com. humano es el bien principal. La calidad
Espacio dedicado a estudiantes

Mi experiencia en Grace Hopper Celebration círculos de mentoría, feria de trabajo, entre otros.
2019 Este año GHC se llevó a cabo en Orlando, Florida con apro-
ximadamente 25,000 asistentes. Gracias a una beca proporcio-
nada por los organizadores del evento, tuve la oportunidad de
asistir y vivir una experiencia inolvidable.
El tema de este año fue We Will/I Will (Vamos a/ Voy a),

como propuesta a pensar en planes para el futuro. Es muy mo-
tivador saber que personas que admiras se plantean un objetivo
de manera tan clara y trabajan día a día para lograrlo. Ideas que
a simple vista podrían parecer complicadas o hasta imposibles,
convirtiéndose en realidad poco a poco.
Es realmente impactante estar en un salón lleno de perso-

nas de culturas y vivencias totalmente diferentes, pero que al
mismo tiempo, comparten tus pasiones y puntos de vista. Tuve
la oportunidad de conversar con bastante gente durante la feria
de trabajo, talleres o incluso en el mismo pasillo camino a un
sesión. Es increíble el nivel de talento que puede alcanzar una
persona motivada por su pasión. Los consejos y enseñanzas
al intercambiar ideas con tantas personas son definitivamente
invaluables.
Otro punto sorprendente es la cantidad de oportunidades

existentes para desarrollarse profesionalmente, pueden aplicar
desde estudiantes de pregrado hasta investigadores. Una pla-
taforma de este tipo cambia tu visión respecto a la búsqueda
Sara Díaz Oporto, alumna de la Universidad La Salle
de crecimiento profesional, aprendes que existen muchísimas
de Arequipa
oportunidades, pero debes ir por ellas.
Considero que participar en este evento tuvo un impacto

Según un informe de la UNESCO sólo el 35 % de los es- muy grande en mi modo de ver el mundo. Quiero aprender,
tudiantes matriculados en las carreras vinculadas a las STEM aplicar a más oportunidades y motivar a que mi entorno crezca
(Ciencia, Tecnología, Ingeniería y Matemática) en la educación conmigo. Se que hay mucho talento que necesita nada más un
superior son mujeres. Estas disparidades de género son tanto pequeño empujón. para despegar, que todos podemos colaborar
más alarmantes cuanto que se considera que, en general, las con el desarrollo de nuestra comunidad.
carreras vinculadas con las STEM constituyen los empleos del Vamos a lograr un cambio y crecer juntos.
futuro, la fuerza motriz de la innovación, del bienestar social,
del crecimiento inclusivo y del desarrollo sostenible. [1]
Referencias
Con la intención de terminar con esta brecha de género en
la industria tecnológica es que nacen iniciativas como Grace [1] Descifrar el código: la educación de las niñas y las mujeres
Hopper Celebration (GHC). Éste es el evento más grande a en ciencias, tecnología, ingeniería y matemáticas (STEM)
nivel global de mujeres en tecnología. Reúne a investigadoras, https://unesdoc.unesco.org/-
estudiantes y profesionales en una serie de charlas, talleres, ark:/48223/pf0000366649.locale=esl

Universidad La Salle - Arequipa La Universidad en el mundo Vol. 5 No 1, Diciembre 2019 26 / 27
Universidad La Salle en el Mundo

1. Suramérica Unidos; College of Santa Fe Santa fe, Estados Uni-
dos; La Salle University Philadelphia, Estados Uni-
Universidad La Salle – Arequipa, Perú; Centre la- dos; Lewis University Romeoville, IL, Estados Uni-
sallien d´Ètudes Supérieures en Éducation CLÉ Port dos; Manhattan Collage New York, Estados Unidos;
de Paix, Haití; Centro Universitário La Salle – UNI- Saint Mary’s College of California California, Esta-
LASALLE Canoas –RS-, Brasil; Corporación Uni- dos Unidos; Saint Mary’s University of Minnesota
versitaria Lasallista Caldas, Antioquia, Colombia; Minnesota, Estados Unidos;
Escuela Normal Superior San Pio X Choco, Colom-
4. Asia y Pacífico
bia; Fundación La Salle de Ciencias Naturales Cara-
cas, Venezuela; UCB – Universidad Católica de Bra-
silia Tanguatinga, Brasil; União Brasiliense de Edu- De La Salle - College of Saint Benilde Manila, Fili-
cação e Cultura UBEC Brasilia, Brasil; Unilasalle pinas; De La Salle Catholic University Manado, In-
Manaus - AM Manaus - AM, Brasil; Universidad De donesia; De La Salle Health Sciences Institute Ca-
La Salle - Bogota Bogota, Colombia; Universidad La vite, Filipinas; De La Salle Lipa Lipa City, Filipi-
Salle – Bolivia La Paz, Bolivia. nas; De La Salle University Manila, Filipinas; De La
Salle – Canlubang Biñan, Filipinas; De La Salle –
2. Centroamérica
Dasmariñas Cavite, Filipinas; De La Salle- Arane-
ta University Malabon City, Filipinas; De La Salle-
Universidad De La Salle Bajío A.C Guanajuato, Professional Schools, Inc Manila, Filipinas; Immacu-
México; Universidad De La Salle Chihuahua A.C. late Conception College-La Salle Ozamis City, Filipi-
Chihuahua, México; Universidad De La Salle – San nas; La Salle College Antipolo Antipolo City, Filipi-
Jose San Jose, Costa Rica; Universidad La Salle Oa- nas; La Salle High Secondary School Multan, Pakis-
xaca Oaxaca, México; Universidad La Salle – Can- tán; University of St. La Salle Bacolod City, Filipinas.
cún Quintana Roo, Cancún, México; Universidad La
Salle – Cd. Victoria Tamaulipas, Cd. Victoria, Méxi- 5. Europa
co; Universidad La Salle – Cuernavaca, A.C. More-
los, Cuernavaca, México; Universidad La Salle – La- Centre Lasallien African -CELAF-, adibjan - Riviera,
guna Durango, Laguna, México; Universidad La Sa- África; Ecole Catholique D´Arts et Métiers (ECAM)
lle – México (ULSA) Distrito Federal - Cd. de Méxi- Lyon, Francia; Enginyeria i Arquitectura La Salle
co, México; Universidad La Salle – Morelia Michoa- Barcelona, España; Fratelli Delle Scuole Cristiane
cán, Morelia., México; Universidad La Salle – Ne- - LA SALLE ROMA Roma, Italia; Insititute Poly-
zahualcoyotl Distrito Federal - Cd. de México, Mé- technique LaSalle Beauvais Beauvais, Francia; Ins-
xico; Universidad La Salle – Noroeste Sonora Cd. titut Reine Astrid De Mons (IRAM) Mons, Bélgica;
Obregón, México; Universidad La Salle – Pachuca Institut Supérieur D’Architecture St.Luc de Bruxelles
Pachuca, Hidalgo, México; Universidad La Salle – Bruxelles, Bélgica; Instituto San Pio X Madrid, Espa-
Saltillo Coahuila, Saltillo, México; Universidad Ma- ña; ISAIP - ESAIP Angers, Francia; La Salle Campus
rista La Salle – Guadalajara Guadalajara, Jalisco, Mé- Madrid Madrid, España.
xico; Universidad Tecnológica La Salle, León León,
Nicaragua. 6. África
3. Norteamérica Centre Lasallien African – CELAF Abidjan - Rivie-
ra, África; Bethlehem University Bethlehem, Palesti-
na; Christ the Teacher Institute for Education Nairobi,
Bethlehem University, Bethlehem, Palestina; Christ Kenia.
the Theacher Institute of Education, Nairobi, Ken-
ya; Christian Brothers University Memphis, Estados

Av. Alfonso Ugarte N° 517, Cercado.
Arequipa - Perú
Telf.: (51 54) 607554 / 607555
info@ulasalle.edu.pe
www.ulasalle.edu.pe

Revista La SAlle

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Revista La SAlle

Cargado por

Copyright:

Formatos disponibles

REVISTA DE CIENCIA DE

Vol. 5 N° 1 Octubre 2019

INVESTIGACIÓN EN CIENCIA DE LA COMPUTACIÓN

ESPACIO PARA ESTUDIANTES

Relación entre Investigación, Enseñanza y

12 años, y de la Universidad Nacional de San Agustín, desde

En ambas universidades, siempre fui calificado como uno

© Universidad La Salle - clopez@ulasalle.edu.pe

La investigación es un proceso indispensable para enseñar

© Universidad La Salle - clopez@ulasalle.edu.pe

Método Jerárquico basado en Grafos para la

La participación con los 4 poster mencionados fue debido a

Durante un panel en el workshop de mujeres del CVPR,

Segmentación de Múltiples Regiones en Imágenes

La segmentación de imágenes es una tarea fundamental en

© Universidad La Salle - clopez@ulasalle.edu.pe

En la Figura 2, tenemos la comparación entre HLOIFT y

Usamos una imagen CT de la región abdominal de [4] pa-

La Figura 1 muestra una visión general de nuestro método

© Universidad La Salle - clopez@ulasalle.edu.pe

(a) Hígado (b) Hígado con GSC

Resultado con el algoritmo de min-cut/max-flow usando un grafo en capas. (c) 0.93

(c) Talus (d) Talus con GSC

comparamos el HLOIFT, con la segmentación de múltiples

miento de relajación propuesto por [14], y el Graph cut en un

grafo jerárquico en capas [11], denotado como HLGC, usando 0.9

dos datasets de imágenes médicas, y considerando un peso en

© Universidad La Salle - clopez@ulasalle.edu.pe

HLOIFT con superpixels Referencias

[2] Luc Soler and Alexandre Hostettler and Vincent Ag-

[3] L. M. C. Leon and P. A. V. D. Miranda 2017 30th SIB-

[4] Miranda, Paulo AV and Falcão, Alexandre X Links bet-

© Universidad La Salle - clopez@ulasalle.edu.pe

A method to extract visual encodings from map

As first stage, we collected images from three well-known

After analyzing the corpus, we proposed a map image inter-

(c) Map Analysis

(e) Encoding Inference

Figura 7: Map image interpretation pipeline.

© Universidad La Salle - clopez@ulasalle.edu.pe

We applied our map image analysis pipeline in the following

Original Reprojected map

Figura 9: An example of map reprojection.

This work was presented at the SIBGRAPI 2018 Con-

© Universidad La Salle - clopez@ulasalle.edu.pe

DIPLOMADO EN CIENCIA DE DATOS

Sin embargo, para poder realizar el análisis automático de

© Universidad La Salle - clopez@ulasalle.edu.pe

Automatic Gun Detection using Fast-RCNN on

automatic detection system, robust detection and classification

This paper uses the Fast Regional Convolutional Neural

Furthermore, these selected images were used to train a ba-

Deep learning model

Based on Fast-RCNN proposed by Girshick [4] with the

© Universidad La Salle - clopez@ulasalle.edu.pe

In the experiments, we used the data set from IMFDb and

The detection rates are acceptable because of the ima-

Future work will further address the efficiency and

Furthermore, the proposed deep learning model works

[2] Rutter, Michael Patrick. Harvard and MIT re-

[3] Internet Movie Firearm Database April 05, 2018 Available

© Universidad La Salle - clopez@ulasalle.edu.pe

Competitive programming, start now!