Apoyo tecnológico e investigativo en la automatización del análisis de imágenes SPECT/CT para investigación cardíaca

Este trabajo presenta el desarrollo y los resultados del proyecto “Apoyo tecnológico e investigativo en la automatización del análisis de imágenes SPECT/CT para investigación cardíaca”, orientado a fortalecer la integración entre la ingeniería de sistemas y la investigación médica. El proyecto tuvo...

Full description

Autores:
Araque Mera, Juan Pablo
Fonnegra Aguilera, Alejandro
Tipo de recurso:
https://purl.org/coar/resource_type/c_7a1f
Fecha de publicación:
2025
Institución:
Universidad El Bosque
Repositorio:
Repositorio U. El Bosque
Idioma:
spa
OAI Identifier:
oai:repositorio.unbosque.edu.co:20.500.12495/18161
Acceso en línea:
https://hdl.handle.net/20.500.12495/18161
Palabra clave:
Inteligencia artificial
aprendizaje automático
puntaje de calcio
SPECT/CT
621.3
Artificial intelligence
machine learning
score calcium
SPECT/CT
Rights
closedAccess
License
Acceso cerrado
id UNBOSQUE2_48b78e7ccd9302966bde6f3f14e3e040
oai_identifier_str oai:repositorio.unbosque.edu.co:20.500.12495/18161
network_acronym_str UNBOSQUE2
network_name_str Repositorio U. El Bosque
repository_id_str
dc.title.none.fl_str_mv Apoyo tecnológico e investigativo en la automatización del análisis de imágenes SPECT/CT para investigación cardíaca
dc.title.translated.none.fl_str_mv Technological and research support in the automation of SPECT/CT image analysis for cardiac research
title Apoyo tecnológico e investigativo en la automatización del análisis de imágenes SPECT/CT para investigación cardíaca
spellingShingle Apoyo tecnológico e investigativo en la automatización del análisis de imágenes SPECT/CT para investigación cardíaca
Inteligencia artificial
aprendizaje automático
puntaje de calcio
SPECT/CT
621.3
Artificial intelligence
machine learning
score calcium
SPECT/CT
title_short Apoyo tecnológico e investigativo en la automatización del análisis de imágenes SPECT/CT para investigación cardíaca
title_full Apoyo tecnológico e investigativo en la automatización del análisis de imágenes SPECT/CT para investigación cardíaca
title_fullStr Apoyo tecnológico e investigativo en la automatización del análisis de imágenes SPECT/CT para investigación cardíaca
title_full_unstemmed Apoyo tecnológico e investigativo en la automatización del análisis de imágenes SPECT/CT para investigación cardíaca
title_sort Apoyo tecnológico e investigativo en la automatización del análisis de imágenes SPECT/CT para investigación cardíaca
dc.creator.fl_str_mv Araque Mera, Juan Pablo
Fonnegra Aguilera, Alejandro
dc.contributor.advisor.none.fl_str_mv Romero Alvarez, Fran Ernesto
dc.contributor.author.none.fl_str_mv Araque Mera, Juan Pablo
Fonnegra Aguilera, Alejandro
dc.subject.none.fl_str_mv Inteligencia artificial
aprendizaje automático
puntaje de calcio
SPECT/CT
topic Inteligencia artificial
aprendizaje automático
puntaje de calcio
SPECT/CT
621.3
Artificial intelligence
machine learning
score calcium
SPECT/CT
dc.subject.ddc.none.fl_str_mv 621.3
dc.subject.keywords.none.fl_str_mv Artificial intelligence
machine learning
score calcium
SPECT/CT
description Este trabajo presenta el desarrollo y los resultados del proyecto “Apoyo tecnológico e investigativo en la automatización del análisis de imágenes SPECT/CT para investigación cardíaca”, orientado a fortalecer la integración entre la ingeniería de sistemas y la investigación médica. El proyecto tuvo como propósito apoyar la construcción de un modelo computacional predictivo, basado en técnicas de inteligencia artificial y aprendizaje automático, para estimar el puntaje de calcio coronario (CACS) a partir de imágenes SPECT/CT-MPI de baja dosis, utilizadas comúnmente para corrección de atenuación. Esta iniciativa busca optimizar el diagnóstico temprano de la enfermedad arterial coronaria (EAC), reducir la necesidad de estudios adicionales y aprovechar recursos diagnósticos ya disponibles. Durante el proceso se implementó la metodología CRISP-ML, se desarrolló un software especializado para el procesamiento de imágenes DICOM, y se consolidó un estado del arte bajo el enfoque PRISMA, confirmando la viabilidad técnica del modelo propuesto. Los resultados obtenidos sientan las bases para la futura validación clínica del sistema y evidencian el potencial de la automatización y la inteligencia artificial como herramientas de apoyo en el diagnóstico cardiovascular.
publishDate 2025
dc.date.accessioned.none.fl_str_mv 2025-11-18T21:53:12Z
dc.date.issued.none.fl_str_mv 2025-11
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.local.spa.fl_str_mv Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.coar.none.fl_str_mv https://purl.org/coar/resource_type/c_7a1f
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coarversion.none.fl_str_mv https://purl.org/coar/version/c_ab4af688f83e57aa
format https://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12495/18161
dc.identifier.instname.spa.fl_str_mv instname:Universidad El Bosque
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Universidad El Bosque
dc.identifier.repourl.none.fl_str_mv repourl:https://repositorio.unbosque.edu.co
url https://hdl.handle.net/20.500.12495/18161
identifier_str_mv instname:Universidad El Bosque
reponame:Repositorio Institucional Universidad El Bosque
repourl:https://repositorio.unbosque.edu.co
dc.language.iso.fl_str_mv spa
language spa
dc.relation.references.none.fl_str_mv [1] Organización Mundial de la Salud, “Las 10 principales causas de defunción,” 2020. [En línea]. Disponible en: https://www.who.int/es/news-room/fact-sheets/detail/the-top-10-causes-of-death
[2] F. J. Klocke et al., “ACC/AHA/ASNC guidelines for the clinical use of cardiac radionuclide imaging–executive summary: a report of the American College of Cardiology/American Heart Association Task Force on Practice Guidelines,” J. Am. Coll. Cardiol., vol. 42, no. 7, pp. 1318–1333, 2003.
[3] J. Glowacki et al., “Machine learning-based algorithm enables the exclusion of obstructive coronary artery disease in the patients who underwent coronary artery calcium scoring,” Acad. Radiol., vol. 27, no. 10, pp. 1416–1421, 2020.
[4] M. J. Henzlova et al., “ASNC imaging guidelines for SPECT nuclear cardiology procedures: Stress, protocols, and tracers,” J. Nucl. Cardiol., vol. 23, no. 3, pp. 606–639, 2016.
[5] R. Ross, “Atherosclerosis – an inflammatory disease,” N. Engl. J. Med., vol. 340, no. 2, pp. 115–126, 1999.
[6] M. J. Budoff et al., “Ten-year association of coronary artery calcium with atherosclerotic cardiovascular disease (ASCVD) events: the multi-ethnic study of atherosclerosis (MESA),” Eur. Heart J., vol. 39, no. 25, pp. 2401–2408, 2018, doi: 10.1093/eurheartj/ehy217.
[7] A. K. Malakar et al., “A review on coronary artery disease, its risk factors, and therapeutics,” J. Cell. Physiol., vol. 234, no. 10, pp. 16812–16823, 2019.
[8] D. K. Arnett et al., “2019 ACC/AHA Guideline on the Primary Prevention of Cardiovascular Disease: Executive Summary: A Report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guidelines,” Circulation, vol. 140, no. 11, pp. e563–e595, 2019, doi: 10.1161/CIR.0000000000000677.
[9] T. Mahmood and M. D. Shapiro, “Coronary artery calcium testing in low-intermediate risk symptomatic patients with suspected coronary artery disease: An effective gatekeeper to further testing?,” PLoS One, vol. 15, no. 10, p. e0240539, 2020, doi: 10.1371/journal.pone.0240539.
[10] M. B. Mortensen et al., “Impact of plaque burden versus stenosis on ischemic events in patients with coronary atherosclerosis,” J. Am. Coll. Cardiol., vol. 76, no. 24, pp. 2803–2813, 2020, doi: 10.1016/j.jacc.2020.10.021.
[11] S. Studer et al., “Towards CRISP-ML(Q): A machine learning process model with quality assurance methodology,” Mach. Learn. Knowl. Extr., vol. 3, no. 2, pp. 392–413, 2021, doi: 10.3390/make3020020.
[12] A. S. Agatston et al., “Quantification of coronary artery calcium using ultrafast computed tomography,” J. Am. Coll. Cardiol., vol. 15, no. 4, pp. 827–832, 1990.
[13] M. J. Budoff et al., “Assessment of coronary artery disease by cardiac computed tomography,” Circulation, vol. 114, no. 16, pp. 1761–1791, 2006.
[14] R. Erbel et al., “Coronary risk stratification, discrimination, and reclassification improvement based on quantification of subclinical coronary atherosclerosis: the Heinz Nixdorf Recall study,” J. Am. Coll. Cardiol., vol. 56, no. 17, pp. 1397–1406, 2010.
[15] E. G. DePuey, “Advances in SPECT camera software and hardware: currently available and new on the horizon,” J. Nucl. Cardiol., vol. 19, no. 3, pp. 551–581, 2012.
[16] O. Bernard et al., “Deep learning techniques for automatic MRI cardiac multistructures segmentation and diagnosis: Is the problem solved?,” IEEE Trans. Med. Imaging, vol. 37, no. 11, pp. 2514–2525, 2018.
[17] N. Lessmann et al., “Automatic calcium scoring in low-dose chest CT using deep neural networks with dilated convolutions,” IEEE Trans. Med. Imaging, vol. 37, no. 2, pp. 615–625, 2018.
[18] M. Piccinelli et al., “3-dimensional coregistration of multimodality cardiovascular imaging datasets (3D MUSIC): combining architectural and functional information,” Circ. Cardiovasc. Imaging, vol. 11, no. 7, p. e007847, 2018.
[19] S. M. Kim et al., “Coronary calcium screening using low-dose lung cancer screening: effectiveness of MDCT with retrospective reconstruction,” AJR Am. J. Roentgenol., vol. 194, no. 5, pp. 1385–1390, 2010.
[20] M. T. Lu et al., “Deep learning to assess long-term mortality from chest radiographs,” JAMA Netw. Open, vol. 2, no. 7, p. e197416, 2019.
[21] U.S. Food and Drug Administration, “Artificial Intelligence and Machine Learning in Software as a Medical Device,” 2021. [En línea]. Disponible en: https://www.fda.gov/medical-devices/software-medical-devices-amd/artificial-intelligence-and-machine-learning-software-medical-device
[22] A. Holzinger et al., “Causability and explainability of artificial intelligence in medicine,” Wiley Interdiscip. Rev. Data Min. Knowl. Discov., vol. 9, no. 4, p. e1312, 2019.
[23] I. G. Cohen et al., “The legal and ethical concerns that arise from using complex predictive analytics in health care,” Health Aff. (Millwood), vol. 33, no. 7, pp. 1139–1147, 2014.
[24] L. Slipczuk, M. J. Budoff, and T. C. Villines, “Editorial: Old habits die hard: from risk calculators and stenosis evaluation to phenotyping coronary atherosclerosis using cardiac CT,” Front. Cardiovasc. Med., vol. 10, p. 1235144, 2023.
[25] A. Llamas, F. E. Romero Álvarez, L. Morales, and S. Castañeda Garzón, “Modelo computacional para determinar el puntaje de calcio basado en datos de la gammagrafía de perfusión miocárdica con SPECT/CT como método para mejorar el diagnóstico de riesgo de enfermedad coronaria,” Los Cobos Medical Center - Universidad El Bosque, Bogotá, Colombia, 2024.
dc.rights.local.spa.fl_str_mv Acceso cerrado
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/closedAccess
http://purl.org/coar/access_right/c_14cb
rights_invalid_str_mv Acceso cerrado
http://purl.org/coar/access_right/c_14cb
eu_rights_str_mv closedAccess
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.program.spa.fl_str_mv Ingeniería de Sistemas
dc.publisher.grantor.spa.fl_str_mv Universidad El Bosque
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería
institution Universidad El Bosque
dc.source.url.none.fl_str_mv https://github.com/JuanAraque123/visualizador-imagenes-DICOM
bitstream.url.fl_str_mv https://repositorio.unbosque.edu.co/bitstreams/d1fd8d42-1b75-4038-bf2c-1165f0c19d97/download
https://repositorio.unbosque.edu.co/bitstreams/185f3baf-1373-4e0f-b2c8-e74e888cdc76/download
https://repositorio.unbosque.edu.co/bitstreams/a8f1b550-8101-441a-a8cb-2a4704fc2864/download
https://repositorio.unbosque.edu.co/bitstreams/14ca855a-375b-451c-b3a3-b39e7a37c2cb/download
https://repositorio.unbosque.edu.co/bitstreams/bb5641ed-74f1-4071-8fcf-e042ab166770/download
bitstream.checksum.fl_str_mv f06af22bfd8636c5201352007ffedf36
343a05f7ec05f16493f440a778fe6ec2
13d3fc352cce9ee211772efad4434097
df6f3c845613641121b92d03b4f2bb8e
33281fed8b6b5b474f553c4e41830e0e
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad El Bosque
repository.mail.fl_str_mv bibliotecas@biteca.com
_version_ 1849967164458532864
spelling Romero Alvarez, Fran ErnestoAraque Mera, Juan PabloFonnegra Aguilera, Alejandro2025-11-18T21:53:12Z2025-11https://hdl.handle.net/20.500.12495/18161instname:Universidad El Bosquereponame:Repositorio Institucional Universidad El Bosquerepourl:https://repositorio.unbosque.edu.coEste trabajo presenta el desarrollo y los resultados del proyecto “Apoyo tecnológico e investigativo en la automatización del análisis de imágenes SPECT/CT para investigación cardíaca”, orientado a fortalecer la integración entre la ingeniería de sistemas y la investigación médica. El proyecto tuvo como propósito apoyar la construcción de un modelo computacional predictivo, basado en técnicas de inteligencia artificial y aprendizaje automático, para estimar el puntaje de calcio coronario (CACS) a partir de imágenes SPECT/CT-MPI de baja dosis, utilizadas comúnmente para corrección de atenuación. Esta iniciativa busca optimizar el diagnóstico temprano de la enfermedad arterial coronaria (EAC), reducir la necesidad de estudios adicionales y aprovechar recursos diagnósticos ya disponibles. Durante el proceso se implementó la metodología CRISP-ML, se desarrolló un software especializado para el procesamiento de imágenes DICOM, y se consolidó un estado del arte bajo el enfoque PRISMA, confirmando la viabilidad técnica del modelo propuesto. Los resultados obtenidos sientan las bases para la futura validación clínica del sistema y evidencian el potencial de la automatización y la inteligencia artificial como herramientas de apoyo en el diagnóstico cardiovascular.Ingeniero de SistemasPregradoThis work presents the development and outcomes of the project “Technological and Research Support in the Automation of SPECT/CT Image Analysis for Cardiac Research,” aimed at strengthening the integration between systems engineering and medical research. The project supported the creation of a computational predictive model based on artificial intelligence and machine learning techniques to estimate the Coronary Artery Calcium Score (CACS) from low-dose SPECT/CT-MPI images commonly used for attenuation correction. This initiative seeks to optimize the early diagnosis of Coronary Artery Disease (CAD), reduce the need for additional imaging studies, and maximize the use of existing diagnostic resources. Throughout the process, the CRISP-ML methodology was implemented, a custom software tool for DICOM image processing was developed, and a systematic state-of-the-art review under the PRISMA framework was conducted, confirming the technical feasibility of the proposed model. The results provide a foundation for future clinical validation and demonstrate the potential of automation and artificial intelligence as support tools in cardiovascular diagnosis.application/pdfInteligencia artificialaprendizaje automáticopuntaje de calcioSPECT/CT621.3Artificial intelligencemachine learningscore calciumSPECT/CTApoyo tecnológico e investigativo en la automatización del análisis de imágenes SPECT/CT para investigación cardíacaTechnological and research support in the automation of SPECT/CT image analysis for cardiac researchIngeniería de SistemasUniversidad El BosqueFacultad de IngenieríaTesis/Trabajo de grado - Monografía - Pregradohttps://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesishttps://purl.org/coar/version/c_ab4af688f83e57aa[1] Organización Mundial de la Salud, “Las 10 principales causas de defunción,” 2020. [En línea]. Disponible en: https://www.who.int/es/news-room/fact-sheets/detail/the-top-10-causes-of-death[2] F. J. Klocke et al., “ACC/AHA/ASNC guidelines for the clinical use of cardiac radionuclide imaging–executive summary: a report of the American College of Cardiology/American Heart Association Task Force on Practice Guidelines,” J. Am. Coll. Cardiol., vol. 42, no. 7, pp. 1318–1333, 2003.[3] J. Glowacki et al., “Machine learning-based algorithm enables the exclusion of obstructive coronary artery disease in the patients who underwent coronary artery calcium scoring,” Acad. Radiol., vol. 27, no. 10, pp. 1416–1421, 2020.[4] M. J. Henzlova et al., “ASNC imaging guidelines for SPECT nuclear cardiology procedures: Stress, protocols, and tracers,” J. Nucl. Cardiol., vol. 23, no. 3, pp. 606–639, 2016.[5] R. Ross, “Atherosclerosis – an inflammatory disease,” N. Engl. J. Med., vol. 340, no. 2, pp. 115–126, 1999.[6] M. J. Budoff et al., “Ten-year association of coronary artery calcium with atherosclerotic cardiovascular disease (ASCVD) events: the multi-ethnic study of atherosclerosis (MESA),” Eur. Heart J., vol. 39, no. 25, pp. 2401–2408, 2018, doi: 10.1093/eurheartj/ehy217.[7] A. K. Malakar et al., “A review on coronary artery disease, its risk factors, and therapeutics,” J. Cell. Physiol., vol. 234, no. 10, pp. 16812–16823, 2019.[8] D. K. Arnett et al., “2019 ACC/AHA Guideline on the Primary Prevention of Cardiovascular Disease: Executive Summary: A Report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guidelines,” Circulation, vol. 140, no. 11, pp. e563–e595, 2019, doi: 10.1161/CIR.0000000000000677.[9] T. Mahmood and M. D. Shapiro, “Coronary artery calcium testing in low-intermediate risk symptomatic patients with suspected coronary artery disease: An effective gatekeeper to further testing?,” PLoS One, vol. 15, no. 10, p. e0240539, 2020, doi: 10.1371/journal.pone.0240539.[10] M. B. Mortensen et al., “Impact of plaque burden versus stenosis on ischemic events in patients with coronary atherosclerosis,” J. Am. Coll. Cardiol., vol. 76, no. 24, pp. 2803–2813, 2020, doi: 10.1016/j.jacc.2020.10.021.[11] S. Studer et al., “Towards CRISP-ML(Q): A machine learning process model with quality assurance methodology,” Mach. Learn. Knowl. Extr., vol. 3, no. 2, pp. 392–413, 2021, doi: 10.3390/make3020020.[12] A. S. Agatston et al., “Quantification of coronary artery calcium using ultrafast computed tomography,” J. Am. Coll. Cardiol., vol. 15, no. 4, pp. 827–832, 1990.[13] M. J. Budoff et al., “Assessment of coronary artery disease by cardiac computed tomography,” Circulation, vol. 114, no. 16, pp. 1761–1791, 2006.[14] R. Erbel et al., “Coronary risk stratification, discrimination, and reclassification improvement based on quantification of subclinical coronary atherosclerosis: the Heinz Nixdorf Recall study,” J. Am. Coll. Cardiol., vol. 56, no. 17, pp. 1397–1406, 2010.[15] E. G. DePuey, “Advances in SPECT camera software and hardware: currently available and new on the horizon,” J. Nucl. Cardiol., vol. 19, no. 3, pp. 551–581, 2012.[16] O. Bernard et al., “Deep learning techniques for automatic MRI cardiac multistructures segmentation and diagnosis: Is the problem solved?,” IEEE Trans. Med. Imaging, vol. 37, no. 11, pp. 2514–2525, 2018.[17] N. Lessmann et al., “Automatic calcium scoring in low-dose chest CT using deep neural networks with dilated convolutions,” IEEE Trans. Med. Imaging, vol. 37, no. 2, pp. 615–625, 2018.[18] M. Piccinelli et al., “3-dimensional coregistration of multimodality cardiovascular imaging datasets (3D MUSIC): combining architectural and functional information,” Circ. Cardiovasc. Imaging, vol. 11, no. 7, p. e007847, 2018.[19] S. M. Kim et al., “Coronary calcium screening using low-dose lung cancer screening: effectiveness of MDCT with retrospective reconstruction,” AJR Am. J. Roentgenol., vol. 194, no. 5, pp. 1385–1390, 2010.[20] M. T. Lu et al., “Deep learning to assess long-term mortality from chest radiographs,” JAMA Netw. Open, vol. 2, no. 7, p. e197416, 2019.[21] U.S. Food and Drug Administration, “Artificial Intelligence and Machine Learning in Software as a Medical Device,” 2021. [En línea]. Disponible en: https://www.fda.gov/medical-devices/software-medical-devices-amd/artificial-intelligence-and-machine-learning-software-medical-device[22] A. Holzinger et al., “Causability and explainability of artificial intelligence in medicine,” Wiley Interdiscip. Rev. Data Min. Knowl. Discov., vol. 9, no. 4, p. e1312, 2019.[23] I. G. Cohen et al., “The legal and ethical concerns that arise from using complex predictive analytics in health care,” Health Aff. (Millwood), vol. 33, no. 7, pp. 1139–1147, 2014.[24] L. Slipczuk, M. J. Budoff, and T. C. Villines, “Editorial: Old habits die hard: from risk calculators and stenosis evaluation to phenotyping coronary atherosclerosis using cardiac CT,” Front. Cardiovasc. Med., vol. 10, p. 1235144, 2023.[25] A. Llamas, F. E. Romero Álvarez, L. Morales, and S. Castañeda Garzón, “Modelo computacional para determinar el puntaje de calcio basado en datos de la gammagrafía de perfusión miocárdica con SPECT/CT como método para mejorar el diagnóstico de riesgo de enfermedad coronaria,” Los Cobos Medical Center - Universidad El Bosque, Bogotá, Colombia, 2024.Acceso cerradoinfo:eu-repo/semantics/closedAccesshttp://purl.org/coar/access_right/c_14cbhttps://github.com/JuanAraque123/visualizador-imagenes-DICOMspaLICENSElicense.txtlicense.txttext/plain; charset=utf-82109https://repositorio.unbosque.edu.co/bitstreams/d1fd8d42-1b75-4038-bf2c-1165f0c19d97/downloadf06af22bfd8636c5201352007ffedf36MD54falseAnonymousREADCarta de autorizacion.pdfapplication/pdf187466https://repositorio.unbosque.edu.co/bitstreams/185f3baf-1373-4e0f-b2c8-e74e888cdc76/download343a05f7ec05f16493f440a778fe6ec2MD58falseBiblioteca - (Publicadores)READAnexo 1 Acta de aprobacion.pdfapplication/pdf160632https://repositorio.unbosque.edu.co/bitstreams/a8f1b550-8101-441a-a8cb-2a4704fc2864/download13d3fc352cce9ee211772efad4434097MD59falseBiblioteca - (Publicadores)READCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8900https://repositorio.unbosque.edu.co/bitstreams/14ca855a-375b-451c-b3a3-b39e7a37c2cb/downloaddf6f3c845613641121b92d03b4f2bb8eMD56falseAnonymousREADORIGINALTrabajo de grado.pdfTrabajo de grado.pdfapplication/pdf599153https://repositorio.unbosque.edu.co/bitstreams/bb5641ed-74f1-4071-8fcf-e042ab166770/download33281fed8b6b5b474f553c4e41830e0eMD57trueAdministratorREAD20.500.12495/18161oai:repositorio.unbosque.edu.co:20.500.12495/181612025-11-18T21:55:40.356Zrestrictedhttps://repositorio.unbosque.edu.coRepositorio Institucional Universidad El Bosquebibliotecas@biteca.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

Publicaciones similares