Universidad de las Américas Puebla

Rocio Salazar Varas

Semblanza

Rocío Salazar Varas es Doctora en Ingeniería y Física Biomédicas y Maestra en Ciencias en Ingeniería y Física Biomédicas por el Centro de Investigación y Estudios Avanzados del Instituto Politécnico Nacional, unidad Monterrey (CINVESTAV). Licenciada en Biónica en la Unidad Profesional Interdisciplinaria en Ingeniería y Tecnologías Avanzadas (UPIITA) por el Instituto Politécnico Nacional. Durante sus estudios de doctorado realizó una estancia de investigación en la Universidad Miguel Hernández en Elche, España, con el grupo BMI Systems Lab, donde participó en el proyecto BioMot (Smart Wearable Robots with Bioinspired Sensory-Motor Skills). Sus intereses de investigación se enfocan al procesamiento de señales biomédicas, especialmente en señales de electroencefalografía (EEG) para aplicaciones de Interfaz cerebro-computadora. Actualmente pertenece al Sistema Nacional de Investigadores (SNI) nivel 1. Como profesora disfruta enseñar compartiendo sus conocimientos, con ejemplos prácticos que permitan a los estudiantes entender mediante el uso de conceptos aplicados. Desde 2017 es profesora de tiempo completo del Departamento Académico de Computación, Electrónica y Mecatrónica en la Escuela de Ingeniería de la Universidad de las Américas Puebla.

Palabras clave de la investigación

Interfaz Cerebro-Computadora Extracción de características Señales biomédicas Reconocimiento de patrones

Sistema Nacional de Investigadores

Nivel: 1

Grados académicos

• Doctorado en Ingeniería y Física Biomédicas. Centro de Investigación y Estudios Avanzados del Instituto Politécnico Nacional, Unidad Monterrey. Mexico. julio 15, 2015.
• Maestría en Ciencias en Ingeniería y Física Biomédicas. Centro de Investigación y Estudios Avanzados del Instituto Politécnico Nacional, Unidad Monterrey. Mexico. agosto 15, 2011.
• Licenciatura en Ingeniería Biónica. Instituto Politécnico Nacional . Mexico. junio 15, 2008.

Producción de investigación

2023
1. 2023 Citas por otros autores 123, .
2. 2023 Formación de recursos humanos. Tesis dirigidas A genetic algorith based approach for simultaneous feature, channel and frequency band selection on MI EEG-based BCI, .
3. 2023 Depression detection based on quantitative features of electroencephalographic signals and SVM, .
4. 2023 Libros Editorial Internacional Advances in Smart Healthcare Paradigms and Applications. , ISBN: 9783031373.
2022
5. 2022 Formación de recursos humanos. Tesis dirigidas Comparación de métricas lineales y no lineales de las señales de EEG en la detección de situaciones de emergencia, .
6. 2022 Uso de la varianza y el clasificador SVM para la detección de potenciales P300 y propuesta para diseño de Interfaz Cerebro-Computadora, .
2021
7. 2021 Citas por otros autores 82, .
8. 2021 Formación de recursos humanos. Tesis dirigidas Desarrollo de un sistema de autenticación basado en señales de electroencefalografía., .
2020
9. 2020 Artículos de investigación Using data assimilation for quantitative electroencephalography analysis, Nombre de la revista: Brain Sciences, Volumen: 10, Número: 11, Páginas: , DOI: doi: 10.3390/brainsci10110853, ISSN: 20763425.
10. 2020 Citas por otros autores 75, .
11. 2020 Congresos Internacionales Person Authentication Based on Standard Deviation of EEG Signals and Bayesian Classifier, Tipo de participación: Ponencia Oral Nombre del congreso: 19th Mexican International Conference on Artificial Intelligence.
12. 2020 Formación de recursos humanos. Tesis dirigidas Uso de asimilación de datos para el análisis de electroencefalograma cuantitativo, .
2019
13. 2019 Artículos de investigación Evaluating the effect of the cutoff frequencies during the pre-processing stage of motor imagery EEG signals classification, Nombre de la revista: Biomedical Signal Processing and Control, Volumen: 54, Número: 101592, Páginas: , DOI: 10.1016/j.bspc.2019.101592, ISSN: 17468094.
14. 2019 Facing high EEG signals variability during classification using fractal dimension and different cutoff frequencies, Nombre de la revista: Computational Intelligence and Neuroscience, Volumen: 2019, Número: 9174307, Páginas: , DOI: 10.1155/2019/9174307, ISSN: 16875265, 16875273.
15. 2019 Citas por otros autores 27, .
16. 2019 50, .