Creado en 2004, su primera directora fue la Dra. Payer.
Realiza actividades de investigación y formación de recursos
humanos en el área de procesamiento de señales e imágenes.
Actualmente se está trabajando en el uso y desarrollo de
modelos matemáticos, estadística, aprendizaje automático y
ciencia de datos para el procesamiento y análisis de señales
y datos biométricos aplicados a mejora, predicción y
detección de patrones.
Sobre el LaPSe
El Laboratorio surgió vinculado a la Cátedra de Procesamiento
de Señales de la carrera Ingeniería Biomédica. Con el paso de
los años, las actividades de investigación del laboratorio
fueron creciendo y actualmente tiene una participación activa
en diferentes congresos. Realiza actividades de investigación,
formación de recursos humanos y vinculación con diferentes
centros destacados de la ciudad de Córdoba.
Objetivos
Aportar al desarrollo y fortalecimiento de la vinculación
entre centros de salud, laboratorios y espacios académicos.
Fortalecer el crecimiento y colaboración en el área de análisis,
predicción y detección de patrones en señales biométricas.
Líneas de investigación
Neurociencias y procesamiento de videos de sesiones de musicoterapia
Desarrollo de un protocolo de evaluación basado en tareas
de tapping sensorimotor para caracterizar el comportamiento
rítmico en adultos sanos, con el objetivo de establecer
valores de referencia y generar una herramienta cuantitativa
útil para el diagnóstico funcional en contextos
clínico-terapéuticos, especialmente en el ámbito de la
musicoterapia.
Post COVID, EEG y Machine Learning
En esta línea se aborda la problemática de estudiar las
secuelas a nivel neurológico del virus de COVID-19.
Se analizan señales de electroencefalograma con el objetivo
de localizar fuentes cerebrales en pacientes que han padecido
el síndrome post-COVID y encontrar correlaciones con sus
evaluaciones neurocognitivas.
Diagnóstico y pronóstico de estados cerebrales utilizando EEG
Se analizan registros EEG para asistir al diagnóstico
y pronóstico de estados en pacientes en coma y vegetativos.
Se quiere estudiar si se evidencian patrones de agrupamientos
en las características que muestran las señales de EEG.
Superresolución de imágenes de microscopía confocal combinando Deep Learning y modelos gráficos de probabilidad
Se estudian y desarrollan nuevos algoritmos de mejora de
resolución en imágenes digitales, en particular los adecuados
a imágenes de microscopía confocal.
Integrantes
Dra. Valeria Rulloni
Directora
Dra. Ana Carolina Maldonado
Vicedirectora
Dra. Nadina Rojas
Dr. Santiago Mayorga
Dra. Claudia Egea
Servicios
Automatización y análisis de datos. Predicción y clasificación.
Cursos y talleres
-
Materia de grado de la carrera Ingeniería Biomédica:
Procesamiento de Señales.
-
Curso de posgrado y curso de formación:
Machine Learning e Imágenes en Python.
-
Módulo: Imágenes en salud en
Diplomatura en Inteligencia Artificial en Salud
.
-
Introducción a la inteligencia artificial en biomedicina.
Formación de recursos humanos
Posgrado
2025
-
Gisela Brunetto.
Directora: Rulloni.
“Superresolución de imágenes de microscopía confocal
combinando Deep Learning y modelos gráficos de probabilidad”.
Doctorado en Ciencias de la Ingeniería (en curso).
-
Delgado.
Codirectora: Rulloni.
“Detección de procesos de remoción en masa con aprendizaje
automático, basado en datos satelitales: caso del valle
del Río Santa Cruz, Santa Cruz, Argentina”.
Maestría en Aplicaciones e Información Espacial (MAIE)
del Instituto Gulich.
2024
-
Gil.
Directora: Rulloni.
Segmentación de placa de ateroma en imágenes médicas
para detección de riesgo cardiovascular.
Especialización en Robótica e Inteligencia Artificial
(PRIA, UTEC, UNRaf y FURG).
2023
-
Carreras.
Codirectora: Rulloni.
Maestría en Aplicaciones e Información Espacial (MAIE)
del Instituto Gulich. Análisis de la influencia de las
condiciones climáticas en la detección de buques en Panamá
utilizando un modelo de redes neuronales convolucionales.
-
Marianela Pacheco.
Codirectora: Maldonado.
Doctorado en Neurociencias UNC.
Evaluación del comportamiento rítmico como herramienta
neurofuncional en adultos sanos (en curso).
-
Tomás D’Amelio.
Codirectora: Maldonado.
Doctorado en Neurociencias UNC.
Modelos predictivos de arousal afectivo a partir
de bioseñales (en curso).
Grado
2026
-
PI: Simitliotis.
Asesores: Egea, Bravo y Specterman.
Caracterización de la conectividad estructural cerebral
en pacientes con epilepsia y controles sanos (en curso).
-
PI: Rojo.
Asesoras: Egea y Rulloni.
Detección automática de fracturas en radiografías
(en curso).
-
PI: Echaniz-Tchajman.
Asesora: Maldonado.
Desarrollo de software de análisis de imágenes para
automatización de conteo de Leishmania en muestras
de infección in vitro (en curso).
-
PI: García-Suarez.
Asesoras: Maldonado y Pacheco.
Evaluación musicoterapéutica. Procesamiento y análisis
de señales de trackeo corporal para caracterización
de sincronización rítmica (en curso).
-
PI: Blanco-Escudero.
Asesoras: Maldonado y Pacheco.
Diseño y desarrollo de una interfaz para la
sistematización de protocolos de evaluación clínica
en musicoterapia (en curso).
2025
-
PI: Velez.
Asesora: Rulloni.
Segmentación automática de hígado según los segmentos
de Couinaud y de lesiones hepáticas por metástasis
colorrectal, utilizando Deep Learning en imágenes médicas.
-
PI: Giuliana Luz Villegas Stoery.
Asesora: Maldonado.
Desarrollo de un Sistema de Procesamiento y Clasificación
de Imágenes Microscópicas para Cariotipado.
-
PI: Mizraji-Villegas.
Asesora: Maldonado.
Rediseño de la Interfaz Visual de una Aplicación de
Procesamiento de Imágenes Microscópicas para Cariotipado.
-
PI: Bussi-Rivoira.
Asesora: Maldonado.
Plataforma IoT para monitoreo de solmáforos.
-
PI: Ermoli.
Asesora: Rulloni.
Desarrollo de herramientas para la determinación
de la rigidez ante flexión de biomembranas utilizando
imágenes de contraste de interferencia diferencial.
-
PI: Testa.
Asesora: Rulloni.
Uso de técnicas de Deep Learning para detectar
y clasificar electrodos de electroencefalografía.
2024
-
PI: Fuchs Herrera.
Asesora: Maldonado.
Medidas de complejidad entrópicas para la clasificación
de neuroimágenes aplicadas a la evaluación neuropsicológica.
-
PI: Barreto-Bertello.
Asesora: Maldonado.
Diseño y fabricación de prototipo de estetoscopio
electrónico y software de clasificación
de patologías cardíacas.
-
PI: Podbersic.
Asesora: Rulloni.
Desarrollo de software de interfaz de usuario
de un analizador de desfibriladores.
-
PI: Dal Molin-Castellano.
Asesora: Maldonado.
Estudio de las alteraciones cerebrales en pacientes
recuperados de COVID-19 mediante electroencefalograma
y variables neurocognitivas/neuropsicológicas.
2023
-
PI: Specterman Martín.
Asesora: Maldonado.
Técnicas de Deep Learning aplicadas en dispositivo
de asistencia para personas con discapacidad visual.
-
PI: Borchi y Dori.
Asesora: Rulloni.
Prototipo de red neuronal para segmentación y cálculo
de área de placa de ateroma en arteria carótida
en imágenes ecográficas.
-
PI: Sadir.
Asesora: Rulloni.
Predicción de distribución de dosis para tratamientos
de radioterapia utilizando redes neuronales
convolucionales: aplicación en cáncer de próstata.
Publicaciones
-
Rulloni, V.S., Perez, H.A., Dori, T. et al.
An open B-mode ultrasound database for deep
learning-based atherosclerotic plaque segmentation.
Sci Data (2026). Received: 10 November 2025.
Ver publicación
.
-
Rulloni, V.S., Perez, H.A., Dori, T. et al.
Ar-PlaqSegm1: First Argentine database of B-mode
ultrasound images for atherosclerotic plaque segmentation.
Mendeley Data, 2025 v1 y 2026 v2.
-
Brunetto, Gisela M.; Wilke, Natalia y Rulloni, Valeria S.
“Revolucionando las imágenes de microscopía con inteligencia
artificial” (2024). Revista Bitácora Digital, volumen 11,
N.º 15, pp. 80-85 (FCQ-UNC), Córdoba, Argentina.
ISSN 23449144.
-
Rulloni, V., Pérez H., Dori, T., Borchi, N., Gil, F. N.,
Guterres, B. d V. y Garcia, N. (2024).
Segmentation of atherosclerotic plaques in B-mode
ultrasound images using deep learning.
[Source Code].
Ver publicación
.
-
Wilke, Natalia; Alvares, Dayane S.; Crosio, Matías A.;
Viad, Matías A.; Monti, Mariela R.; Vargas Velez, L. Stefanía;
Amante, Sofía V.; Scurti, Pablo E. y Rulloni, Valeria.
Membrane-peptide interaction: Focusing on membrane properties.
Science Reviews from the End of the World, volumen 2,
N.º 3, pp. 21-38, octubre de 2023.
ISSN 2683-9288.
-
Acuña, C. et al. (2025).
Clustering Models Applied to Migraine Pathology.
En Advances in Bioengineering and Clinical Engineering 2025,
IFMBE Proceedings, vol. 136, Springer, Cham.
Ver publicación
.
-
Castro Zamparella, T., Carpinella, M., Peres, M. et al.
Specific cognitive and psychological alterations are more
strongly linked to increased migraine disability than chronic
migraine diagnosis.
J Headache Pain 25, 37 (2024).
Ver publicación
.
-
Specterman Zabala, M.I., Diaz Ferreiro, M., Maldonado, A.C.,
Diaz Dávila, L.C. y Beltramone, D.A. (2024).
Handwritten Text Recognition Algorithm.
En Advances in Bioengineering and Clinical Engineering,
SABI 2023, IFMBE Proceedings, vol. 106, Springer, Cham.
Ver publicación
.
-
Egea, C.M. y Smith, S.
“Matrices e Imágenes: Una experiencia de Enseñanza”.
Revista de Educación Matemática, vol. 40,
N.º 3 (2025).
-
Egea, C.M.
“Matrices y Procesamiento de Imágenes, una experiencia
de aprendizaje basado en proyectos”.
Actas del XXIV Encuentro Nacional y XVI Encuentro
Internacional de Educación Matemática en Carreras
de Ingeniería. Actas de Jornadas y Eventos Académicos
de UTN, AJEA 41 (2024), pp. 179-183.
-
Duarte, Cristina D.; Pacheco, Marianela; Iaconis, Francisco R.;
Rosso, Osvaldo; Gasaneo, Gustavo y Delrieux, Claudio.
Statistical Complexity Analysis of Sleep Stage.
Entropy 2025, 27(1), 76.
Ver publicación
.
-
Brunetto, Gisela; Colonna, Juan; Maldonado, Juliana;
Pucco, Mery y Ruiz, Marcelo (2023).
“Estimación de la matriz de precisión en vectores
con distribución multivariada Gaussiana”.
Libro de resúmenes del L Coloquio Argentino de
Estadística 2023 - VIII Jornada de Educación Estadística
“Martha De Aliaga”, p. 60.
ISBN 978-950-774-424-2.
