UAM Iztapalapa · Departamento de Ingeniería Eléctrica
Desarrollamos principalmente proyectos de investigación en procesamiento de señales e imágenes cerebrales, pero extendemos nuestros intereses a otros fenómenos de interés biomédico.
Sistemas digitales
EEG cuantitativo
Diagnóstico asistido
Imágenes biomédicas
Acerca del laboratorio
El Laboratorio de Investigación en Neuroimagenología (LINI) de la Universidad Autónoma Metropolitana, Unidad Iztapalapa, desarrolla proyectos relacionados con el análisis de información cerebral derivada de registros electroencefalográficos (EEG) e imágenes anatómicas y funcionales de resonancia magnética cerebral (IRM, IRMf).
En general, el interés del grupo se extiende a todas las aplicaciones que demandan el procesamiento de datos biomédicos usando técnicas de tratamiento digital de señales e imágenes. Trabajamos en estrecha colaboración con instituciones nacionales de referencia en salud e investigación.
Ver líneas de investigaciónÁreas de trabajo
Aplicación de técnicas de procesamiento y síntesis de imágenes en neurociencias y cardiología. Se trabaja con tomografía, mastografía, resonancia magnética estructural y funcional, medicina nuclear y ultrasonido.
Desarrollo de sistemas BCI no invasivos basados en EEG de superficie que proveen comunicación directa entre el usuario y un dispositivo, con aplicaciones en asistencia a personas con discapacidades neuromusculares.
Recursos del laboratorio
Artículos, tesis y ponencias del LINI disponibles en la sección de publicaciones.
Ver publicacionesApp de Realidad Aumentada, taller de ESP32 y base de datos P300 disponibles en línea.
Ver recursosDetalle de los proyectos de investigación en curso, financiamiento y colaboraciones.
Logros recientes, congresos, seminarios y eventos del laboratorio.
Información sobre el programa de Ingeniería Biomédica y becas disponibles.
Investigadores
Los cuatro profesores-investigadores del LINI pertenecen al Departamento de Ingeniería Eléctrica de la UAM Iztapalapa y al Área de Procesamiento Digital de Señales e Imágenes Biomédicas.

Profesora Titular C
Doctorado en Ingeniería Biomédica · Université de Technologie de Compiègne, Francia (1991)
SNI Nivel IIntereses de investigación
Reconocimiento de patrones en imágenes médicas · Procesamiento de señales cerebrales y cardíacas · Análisis de bienestar fetal por ultrasonido · Aprendizaje maquinal clínico

Profesora Titular C
Doctorado en Ciencias (Ingeniería Biomédica) · UAM-Iztapalapa (2003) · Estancia posdoctoral UTC, Francia (2004)
SNI Nivel I · PRODEPIntereses de investigación
Análisis de imágenes médicas · Reconocimiento de patrones · Sistemas distribuidos · TIC en educación universitaria

Investigadores colaboradores
Publicado en el número especial por el 50 Aniversario de la UAM, este artículo recorre más de tres décadas de investigación del LINI en análisis de imágenes médicas, desde los primeros trabajos con resonancia magnética hasta las técnicas actuales de aprendizaje profundo, siempre en estrecha colaboración con los Institutos Nacionales de Salud.
Canal oficial · LINI UAM-I
Herramientas y recursos del laboratorio
Recursos desarrollados por el LINI y la División de Ciencias Básicas e Ingeniería de la UAM-I, disponibles abiertamente para estudiantes y la comunidad.
Aplicación móvil de Realidad Aumentada para la difusión de los programas de estudio de la División de Ciencias Básicas e Ingeniería. Proyecto apoyado por la convocatoria PPADI 2024, DCBI.
Descarga el APK directamente o el cubo en PDF para usar con la app.
Material de apoyo para un taller de dos horas sobre programación del microcontrolador ESP32 con MicroPython. Cubre entorno de trabajo, control de GPIO, lectura de botones y sensor ultrasónico HC-SR04.
Desarrollado por Oscar Yáñez Suárez, LINI.
Base de datos abierta de señales EEG del paradigma P300 Speller, generada en el LINI. Incluye registros de 30 sujetos sanos (4 sesiones c/u) en formato MATLAB, con funciones de apoyo para el diseño de clasificadores.
Disponible para la comunidad científica. Para consultas escribe a oyanez@izt.uam.mx.
Programa para modelado combinacional y secuencial, con generación automática de VHDL y simulación de autómatas. Disponible para todo público.
Desarrollado por Oscar Yáñez Suárez, Erik René Bojorges Valdez y Omar Piña Ramírez, LINI.
Notebook interactivo para configurar un entorno de simulación de circuitos con PySpice en Google Colab.
Desarrollado por Nikol Orlando Castellanos Díaz y Oscar Yáñez Suárez.
Funciones en MATLAB y Python para leer archivos .dat generados por BCI2000.
Desarrolladas por Erik René Bojorges Valdez.
Ubícanos
📌 Para mayor rapidez también puedes escribirnos directamente a los correos listados a la derecha.