Jhelly Reynaluz Pérez Núñez

Prof. Jhelly Reynaluz Pérez Núñez

orcid

Research Focus & Metrics

Academic Career Length

10Years (2017-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
23 December 2024 in Diagnostics
Verified
Journal Article
Open access
PDF file
JNJhelly Reynaluz Pérez Núñez
Jhelly Reynaluz Pérez Núñez
Ciro RodriguezCiro Rodriguez
Ciro Rodriguez
Luis-Javier Vásquez-SerpaLuis-Javier Vásquez-Serpa
Luis-Javier Vásquez-Serpa
CNCarlos Navarro
Carlos Navarro
Objectives: This review aims to evaluate several convolutional neural network (CNN) models applied to breast cancer detection, to identify and categorize CNN variants in recent studies, and to analyze their specific strengths, limitations, and challenges. Methods: Using PRISMA methodology, this review examines studies that focus on deep learning techniques, specifically CNN, for breast cancer detection. Inclusion criteria encompassed studies from the past five years, with duplicates and those unrelated to breast cancer excluded. A total of 62 articles from the IEEE, SCOPUS, and PubMed databases were analyzed, exploring CNN architectures and their applicability in detecting this pathology. Results: The review found that CNN models with advanced architecture and greater depth exhibit high accuracy and sensitivity in image processing and feature extraction for breast cancer detection. CNN variants that integrate transfer learning proved particularly effective, allowing the use of pre-trained models with less training data required. However, challenges include the need for large, labeled datasets and significant computational resources. Conclusions: CNNs represent a promising tool in breast cancer detection, although future research should aim to create models that are more resource-efficient and maintain accuracy while reducing data requirements, thus improving clinical applicability.

Verified
Journal Article
Open access
PDF file
Luis-Javier Vásquez-SerpaLuis-Javier Vásquez-Serpa
Luis-Javier Vásquez-Serpa
Ciro RodriguezCiro Rodriguez
Ciro Rodriguez
JNJhelly Reynaluz Pérez Núñez
Jhelly Reynaluz Pérez Núñez
CNCarlos Navarro
Carlos Navarro
The identification and prediction of financial bankruptcy has gained relevance due to its impact on economic and financial stability. This study performs a systematic review of artificial intelligence (AI) models used in bankruptcy prediction, evaluating their performance and relevance using the PRISMA and PICOC frameworks. Traditional models such as random forest, logistic regression, KNN, and neural networks are analyzed, along with advanced techniques such as Extreme Gradient Boosting (XGBoost), convolutional neural networks (CNN), long short-term memory (LSTM), hybrid models, and ensemble methods such as bagging and boosting. The findings highlight that, although traditional models are useful for their simplicity and low computational cost, advanced techniques such as LSTM and XGBoost stand out for their high accuracy, sometimes exceeding 99%. However, these techniques present significant challenges, such as the need for large volumes of data and high computational resources. This paper identifies strengths and limitations of these approaches and analyses their practical implications, highlighting the superiority of AI in terms of accuracy, timeliness, and early detection compared to traditional financial ratios, which remain essential tools. In conclusion, the review proposes approaches that integrate scalability and practicality, offering predictive solutions tailored to real financial contexts with limited resources.

1 January 2025 in Revista Tribunal
Verified
Journal Article
Open access
PDF file
JCJose Santos Perez Cubas
Jose Santos Perez Cubas
JNJhelly Reynaluz Pérez Núñez
Jhelly Reynaluz Pérez Núñez
ALAngel Johel Centurion Larrea
Angel Johel Centurion Larrea
Este artículo presenta una revisión sistemática de la literatura sobre las potencialidades de la inteligencia artificial (IA) en la enseñanza-aprendizaje de matemáticas en la educación básica en Latinoamérica. Tiene como objetivo evaluar cómo usando herramientas de IA puede transformar procesos de enseñanza y mejorar aprendizajes de los estudiantes en esta área. La metodología incluye la búsqueda y análisis de estudios relevantes publicados entre 2020 y 2023, utilizando criterios de exclusión e inclusión que garantizan relevancia y calidad de las fuentes. Los resultados indican que con implementación de tecnologías basadas en IA, como plataformas de aprendizaje adaptativo, tutores virtuales, demostraron mejoras significativas en la comprensión matemática y en la motivación de los estudiantes. Las conclusiones destacan que la integración de la IA en la educación básica no solo optimiza el aprendizaje de matemáticas, sino también contribuye a personalizar la enseñanza, atendiendo así las diversas necesidades de los estudiantes en la región

30 December 2022 in Revista de investigación de Sistemas e Informática
Verified
Journal Article
Open access
PDF file
JNJhelly Reynaluz Pérez Núñez
Jhelly Reynaluz Pérez Núñez
Cada año, el número de muertes aumenta extremadamente debido al cáncer de mama. En 2020, la Organización Mundial de la Salud informó que el 25% de las mujeres fueron diagnosticadas con cáncer de mama. En Perú, el cáncer de mama fue la principal causa de muerte por cáncer, donde cada día mueren 5 mujeres por esta enfermedad. La detección temprana del cáncer de mama es facilitada por computadora tecnologías de detección y diagnóstico (CAD), que pueden ayudar a las personas a vivir vidas más largas. Este artículo busca analizar múltiples modelos de aprendizaje automático para identificar el cáncer de mama. Para esto, se trabaja con dos bases de datos de Wisconsin donados por el Dr. William H. Wolberg, el primer conjunto de base de datos es del año 1995 y el segundo es del año 1992 ambos informes es en base a sus casos clínicos. El principal objetivo de este trabajo es aprovechar los últimos desarrollos en sistemas CAD y metodologías relacionadas para las predicciones, los modelos de Decisión Tree, K-vecinos más cercanos (K-NN), Naive Bayes (NB), Regresión logística, Support Vector Machine, Multi-layer Perceptrón y Random Forest se utilizaron. Cuando se comparan los resultados, se encuentra que, para la base de datos del año 1995, el algoritmo Multi-layer Perceptron ofrece el mejor resultado, logrando una precisión de 97,20% y para la segunda base de datos de 1992, el algoritmo que mejor predice es el Support Vector Machine con una precisión de 97,20%.

30 December 2024 in Bordón. Revista de Pedagogía
Verified
Journal Article
Open access
PDF file
MBMiriam Bravo-Orellana
Miriam Bravo-Orellana
CBCésar-Augusto Bravo-Orellana
César-Augusto Bravo-Orellana
ÁFÁngel Ramón Velázquez Fernández
Ángel Ramón Velázquez Fernández
JNJhelly Reynaluz Pérez Núñez
Jhelly Reynaluz Pérez Núñez
INTRODUCCIÓN. La contaminación del aire de naturaleza química es un problema que se presenta diariamente por la constante exposición crónica y prolongada a factores externos, como la congestión vehicular y la existencia de zonas industriales, superando en muchas ocasiones el índice de contaminación permitida, normada por los estándares de calidad ambiental. El estudio tuvo como fin mostrar la influencia del nivel de contaminación química del aire en las capacidades cognitivas de los escolares. Se evaluaron los contaminantes del aire más importantes, a través de las ocho estaciones de monitoreo, a nivel de Lima Metropolitana. Entre estos contaminantes figuran el monóxido de carbono (CO), dióxido de nitrógeno (NO2), dióxido de azufre (SO2) y material particulado (PM2,5 y PM10). MÉTODO. La investigación es de tipo cuantitativa, no experimental y es ex post facto. La muestra fue de 350 estudiantes de ambos sexos, de 10 a 12 años de edad, en niñas había un 47% y en niños un 53%. La edad promedio era de 10,88 años y una desviación estándar típica de 0,824, del 6.º grado de primaria de colegios privados, distribuidos en ocho puntos de monitoreo a nivel de Lima Metropolitana. Se aplicó un test neuropsicológico conocido como test de percepción de diferencias: CARAS-R, donde se evaluaron las capacidades perceptivas y atencionales, validados por baremos nacionales e internacionales. RESULTADOS. La concentración PM10 presentó una correlación negativa y significativamente fuerte con R = - 0,98, con un IC: 95% para las capacidades perceptivas y atencionales. El CO y el PM2,5 tuvieron una relación negativa moderada con un valor promedio de R = - 0,72 (IC: 95%). El NO2 presentó una correlación débil y poco significativa, para la percepción y atención, con un factor de correlación R = 0,44. DISCUSIÓN. Los niños en edad escolar de 10 a 12 años que cursan el 6.º grado de primaria, expuestos de manera crónica y prolongada a la contaminación química del aire, experimentan menor capacidad cognitiva tanto perceptivas como atencionales.

30 June 2022 in Selecciones Matemáticas
Verified
Journal Article
Open access
PDF file
FUFacultad de Ciencias Matemáticas Unmsm
Facultad de Ciencias Matemáticas Unmsm
JMJennifer Y. Madge
Jennifer Y. Madge
JNJhelly Reynaluz Pérez Núñez
Jhelly Reynaluz Pérez Núñez
This article analyzes the dynamic of an extended SEIR model for the spread of COVID-19 considering a system of 7 differential equations whose stages are susceptible, exposed, infected, quarantined, recovered, dead and vaccinated. The necessary and sufficient conditions are determined for non-negativity, delimitation, existence and uniqueness of the solution of the model, local stability of the equilibrium points and the next generation matrix method. The simulations made in Python complement the qualitative analysis of the mathematical model to conclude the behavior of the virus spread over time; the information shown in this work could also be useful for the development of new prevention measures.