Estudiante de Ingeniería Biomédica (Universidad Politécnica de Sinaloa) enfocado en el cruce entre procesamiento de señales, imagen médica y machine learning. Me interesa particularmente convertir análisis exploratorios en resultados estadísticamente honestos: validación cruzada, corrección por comparaciones múltiples, y estar dispuesto a revisar una conclusión cuando los datos a mayor escala la contradicen.
- 🩻 Señales biomédicas (EMG) y su relación con variables fisiológicas
- 🧠 Imagen médica: entropía, FFT, transformada wavelet, segmentación
- 🤖 Clasificación con ML (SVM, Random Forest, Gradient Boosting) sobre features extraídas de señal/imagen
- 🖥️ Apps de escritorio en Python para adquisición de datos desde hardware (ESP32)
Entropía de Shannon (global/local/espectral) + filtrado FFT sobre 7,023 imágenes de MRI cerebral (glioma, meningioma, notumor, pituitary), con validación estadística (Kruskal-Wallis, ε², post-hoc) y un clasificador SVM evaluado con split honesto tras detectar fuga de datos en la partición oficial del dataset (AUC macro 0.957).
