Diego Lujan Villarreal

Graduado de la Universidad Tecnológica de Hamburgo (TUHH) en Alemania con un doctorado en Ingeniería Biomédica, y un M.SC. en Microelectrónica y Microsistemas, he desarrollado una amplia investigación científica avanzada de campo en ingeniería. ¿Qué me identifica como un candidato muy competitivo? Desde que terminé mi doctorado en la TUHH, mi investigación principal ha estado muy comprometida con el conocimiento basado en algoritmos en las siguientes áreas: discretización de inicio-a-fin usando el método de elementos finitos (FEM); solución de PDE en modelado temporal y espacial multiescalar con FEM; soluciones analíticas de sistemas dinámicos en ingeniería biomédica; recopilar y analizar datos fisiológicos mediante procesamiento de señales; análisis de imágenes transversales de MRI y diseño algorítmico mediante el procesamiento digitales de imágenes. Fui coautor de 14 artículos científicos y escribí tres libros (no publicados) sobre ingeniería biomédica. ¿Por qué solicito el puesto de trabajo?  Siempre he sido curioso por aprender nuevas tecnologías y continuamente desafiándome intelectualmente, ampliar mis conocimientos e ir más allá de lo que espero de mí mismo como ingeniero. Este puesto de trabajo sería de mi gran interés para implementar mi investigación en campos multidisciplinarios en un entorno desafiante. Además, me encantaría tener la oportunidad de utilizar mi pasión por la investigación trabajando en estrecha colaboración con grupos de investigación y en proyectos relacionados con aplicaciones prácticas para ayudar a los pacientes. Mi visión de investigación: usar mi línea de investigación en campos multidisciplinarios y ayudar a los pacientes, expandir mi conocimiento, crecer intelectualmente y superar mis expectativas como ingeniero. Mi objetivo profesional: desarrollar soluciones para las necesidades de los pacientes aplicando mi amplia experiencia en aplicaciones del mundo real. 

Discretización de elementos finitos (FEM) en 1D, 2D y 3D. Mis habilidades de pensamiento matemático, algorítmico y de modelado me convierten en un candidato prometedor. Destaqué mi investigación en la discretización de FEM y acabé un libro (no publicado) sobre FEM en 1D, 2D y 3D en ingeniería biomédica. Este libro incluye soluciones de inicio-a-fin del estado estacionario y respuesta transitoria de PDE típicas como teoría de cables, Laplace, Poisson, corrientes eléctricas dependientes del tiempo y ecuaciones de conductores de volumen con condiciones de frontera como Dirichlet (DBC), Continuidad (CBC), Neumann (NBC), Robin o mixtas (RBC). Estas soluciones están implementadas como un código completo en Matlab y Python. FEM es una técnica valiosa y multidisciplinaria para incorporar las ecuaciones diferenciales parciales de segundo orden dependientes del tiempo como Laplace o Poisson que describen cualquier conductor 2D o 3D durante la estimulación eléctrica. Cabe aclarar que FEM resuelve más problemas biomédicos, por ejemplo, la caracterización de materiales. En lo que respecta a la coincidencia, el modelado del campo vectorial bioeléctrico en el cuerpo humano se puede describir fácilmente mediante las ecuaciones de Poisson durante la inyección de corriente. A continuación, se explican mis logros científicos contenidos en mi libro a partir de la dimensión de discretización. Cabe aclarar que mis logros científicos son resueltos en Matlab y Python. (1D). Usando el método FEM de Galerkin, creé códigos que resuelven ODE generales de segundo orden usando funciones de prueba de Lagrange locales, globales y de cuadratura. Las soluciones incluyen casos con condiciones de frontera DBC, NBC y RBC. (2D). Una vez más, usando el método de discretización FEM de Galerkin, creé códigos que resuelven campos vectoriales de ecuaciones de Laplace y Poisson usando transformación de coordenadas, matrices jacobianas y funciones de forma con elementos triangulares. En esas soluciones, incorporé condiciones de frontera DBC, NBC y MBC. Para materiales homogéneos y heterogéneos, incluí la condición de frontera de continuidad (CBC), que es importante para considerar instancias de materiales realistas. Además, incluí la solución PDE conocida como teoría del cable para la neurofisiología dendrítica. (3D). Una vez más, utilicé mi conocimiento de FEM de Galerkin para crear numerosos códigos en Matlab y Python para resolver la discretización 3D. En primer lugar, me centré en resolver las ecuaciones de Laplace y Poisson usando DBC, NBC, RBC y CBC. Tras esos logros, me concentré en la solución numérica de PDE con FEM en el campo de la neuroestimulación de nervios y células. Luego, resuelví el conductor de volumen en estado estacionario y transitorio en dominios homogéneos y heterogéneos. Para estos casos, utilicé marcos computacionales multiescalar con NBC que se comportan como fuentes de corriente tanto en DC como en formas de pulso dependientes del tiempo. Estas fuentes de corriente fueron resueltas como fuentes normales y fuentes de frontera de corriente de densidad. Mis logros no solo incluyen la solución del potencial eléctrico, sino también el campo eléctrico y la distribución de densidad de corriente en puntos arbitrarios en dominios 3D. Mi libro también incluye la estimación del error. Este libro incluye más problemas relacionados con la ingeniería biomédica como la estimulación axonal de Hodgkin y Huxley, la activación de células ganglionares y la estimulación cerebral interna que utilizan el potencial en puntos arbitrarios obtenidos a través de FEM. 

Modelado Neuronal y Matemático. Mis intereses de investigación multidisciplinarios incluyen el modelado analítico de membranas nerviosas, señales eléctricas neuronales, teoría de control óptimo de sistemas dinámicos y modelado de sistemas dinámicos de células cardíacas. Durante mi programa de doctorado y en la actualidad, desarrollé algoritmos y simulaciones precisas para la estimulación del sistema visual en pacientes ciegos por enfermedades neurodegenerativas utilizando dispositivos de prótesis visuales. Para lograr ese objetivo, resolví la integración numérica y obtener una discretización con FEM en 3D. Desde 2010, he desarrollado un amplio conocimiento y experiencia en el modelado, la simulación y el análisis de procesos fisiológicos complejos. Esto se logró con los software de computación numérica: Matlab, Simulink, Python y Comsol Multiphysics. Varios proyectos exitosos incluyen: (1) Construcción de modelos matemáticos y reconstrucción de sistemas musculares y visuales para el estímulo eléctrico. (2) Modelado matemático y reconstrucción de capas de tejido de la retina para su estímulo considerando la ubicación aleatoria de células ganglionares. (3) Construcción de modelos matemáticos de la dislocación del porta electrodos en implantes visuales. Esto produce resultados fiables para futuros estudios de implantes de retina y aplicaciones en escenarios reales. (4) Introducir un porta electrodos 3D (patentado) para dispositivos de retina destinados para reparar la discapacidad visual de pacientes a partir de la activación de células neuronales. (5) Construcción de modelos matemáticos y reconstrucción de tejidos de retina para simular el volumen de estimulación utilizando la discretización FEM (código completo en Matlab y Python). (6) Actualmente, estoy desarrollando un proyecto que aborda un concepto novedoso que demuestra que la percepción visual provocada por la estimulación visual en los ensayos clínicos se puede correlacionar con el volumen de estimulación resuelto por la discretización FEM. Otras cualidades a considerar son: identificación de aspectos clave de la simulación y validación de requisitos del modelaje; herramientas de post procesamiento de computación numérica; amplio conocimiento de algoritmos, acceso a datos, análisis y visualización; evaluación continua de estrategias; diseño y optimización de modelos de simulación; control moderno en sistemas biomédicos y fisiológicos; análisis de estabilidad de sistemas fisiológicos; impedancia bioeléctrica para aplicaciones médicas y respuesta en frecuencia.

Imágenes Neuronales. Completé un libro (no publicado) sobre el procesamiento digital de imágenes en ingeniería biomédica con problemas resueltos en Matlab y Python relacionados con aplicaciones médicas. Este libro muestra una comprensión a fondo de algoritmos y las ecuaciones contenidas en el procesamiento de imágenes. Este libro contiene no solo algoritmos típicos sino también complicados. Por ejemplo: segmentación, redes neuronales (Matlab y Python), aprendizaje profundo, redes neuronales convolucionales (CNN) y reconstrucción de imágenes. El último capítulo está dedicado a la clasificación de imágenes utilizando un código de arquitectura LeNet CNN hecho en Matlab. He analizado imágenes cerebrales transversales de resonancia magnética ponderadas en T1 y T2 de la base de datos Alzheimer's Disease Neuroimaging Initiative database y también imágenes cortesía de radiopaedia.org para lograr con éxito la extracción del cráneo utilizando una codificación personalizada. Posteriormente, diseñé una aplicación GUI para la extracción de cráneos con el objetivo de generar una extracción de cerebro personalizada. Este es un paso importante para el preprocesamiento de imágenes médicas. Estos resultados de investigación fueron aceptados en una prestigiosa conferencia IEEE (ver la última publicación en mi CV). Actualmente estoy involucrado en dos proyectos en esta línea de investigación. El primer proyecto consiste en usar la aplicación GUI de extracción de cráneos existente para preprocesar imágenes cerebrales e ingresarlas en un código de arquitectura LeNet CNN existente para el diagnóstico de Alzheimer y tumores cerebrales. Esta CNN se implementará en Python usando TensorFlow. El segundo proyecto está relacionado con la segmentación celular que usa la combinación de enfoques morfológicos y CNN usando TensorFlow.

Recopilación y análisis de datos fisiológicos. Completé un libro (no publicado) sobre el procesamiento de señales en ingeniería biomédica con problemas resueltos en Matlab relacionados con aplicaciones médicas. Este libro muestra una comprensión a detalle de los algoritmos y ecuaciones que contiene el procesamiento de señales. Este es un libro completo que contiene no solo temas típicos sino también complejos. Por ejemplo: filtros digitales y analógicos de funciones de transferencia, reconstrucción de señales en tiempo continuo y procesamiento de señales digitales. A lo largo de este libro analizo señales biomédicas como potenciales de acción de axones, células de la retina y células cardíacas. Además, el muestreo y reconstrucción de señales en tiempo continuo (Matlab, Python, LabVIEW, Arduino) y procesamiento de señales digitales con filtrado inicial. El último capítulo está dedicado a recopilar y analizar señales de ECG mediante reducción de ruido utilizando filtros digitales (Matlab, Python, LabVIEW).

Jefe de proyecto e investigador asociado. Durante 2011, desarrollé e implementé un dispositivo biomédico de evaluación de la fuerza muscular en la Facultad de Medicina del ITESM para las fases temprana y avanzada del diagnóstico de esclerosis lateral amiotrófica (ELA). A lo largo de su desarrollo planeé, organicé, coordiné y dirigí el proyecto de investigación científica para obtener los resultados deseados. En mi posición de liderazgo, desarrollé planes y administré operaciones que requerían el seguimiento de cronogramas, tareas y dependencias en cada paso del camino. En particular, planeé y coordiné los protocolos de experimentación que fueron revisados y otorgados por el Comité de Ética en Investigación Clínica a nivel nacional. Durante la fase de pruebas, realicé pruebas de diagnóstico con pacientes con ELA siguiendo el protocolo de investigación. En la etapa de finalización, compilé los resultados de la investigación para mi supervisor y elaboré los elementos esenciales para presentar una solicitud de patente, que fue obtenida por el IMPI en México. 

Academia. Desde 2018 he sido profesor de biomedicina en el Instituto Tecnológico y de Estudios Superiores de Monterrey (ITESM). Las materias que he impartido incluyen: discretización FEM con aplicaciones en Ingeniería Biomédica; modelado matemático y control de sistemas fisiológicos, diseño de sistemas de bioinstrumentación analógicos y digitales, procesamiento de señales en Ingeniería Biomédica y procesamiento digital de imágenes en Ingeniería Biomédica. Desde el 2020 he sido el Líder Regional de Modelado y control de sistemas biomédicos en el ITESM.

PhD en Ingenieria con especializacion en Biomedica / Medicina Electronica en la Universidad Tecnologica de Hamburgo-Harburgo (TUHH)