http://hdl.handle.net/10498/6773 Sat, 07 Nov 2026 11:58:05 GMT 2026-11-07T11:58:05Z http://hdl.handle.net/10498/40546 An efficient framework to assess the predictive value of 4D ultrasound-based wall motion indices for abdominal aortic aneurysm rupture risk stratification Schönborn, Manuel; Hegner, Achim Maximilian Claus; Derwich, Wojciech; Oikonomou, Kyriakos; Huß, Armin; Gámez López, Antonio Juan; Wittek, Andreas; Blase, Christopher Clinical assessment of abdominal aortic aneurysm (AAA) rupture risk relies on diameter criteria, which are often insufficient. Validating non-invasive biomarkers against experimental ground truth is a crucial prerequisite before conducting large-scale clinical trials. We hypothesize that Wall Motion Indices (WMI), derived from 4D ultrasound (4D-US) strain imaging, capture the functionally compromised mechanical state of the aneurysm wall. This study introduces a validation framework using patient-specific, experimental ground truth metrics. For nine AAA patients, the Normalized Experimental Rupture Potential (NERP) was established. The NERP, a normalized ratio of physiological loading to failure capacity, combined finite element analysis (FEA)-estimated wall tension with ex vivo rupture strength from harvested tissue. To ensure strict data separation, patient-specific ground truths (NERP and rupture strength) were correlated with pre-operative WMI exclusively at the documented harvest location. While maximum diameter showed no significant association with NERP or rupture strength, specific WMI quantifying kinematic anisotropy and local strain concentrations demonstrated notable correlations. Strain ratios, identifying local hotspots relative to background deformation, correlated with different structural integrity metrics. Principal strain ratio correlated significantly with intrinsic ex vivo rupture strength (r=−0.711,p=0.032), whereas the macroscopic anatomical strain ratio correlated with the computationally derived NERP (r=0.833,p=0.005). This study demonstrates an efficient validation framework for biomechanical biomarkers in small cohorts. The findings suggest that disparity-based WMI are promising, non-invasive indicators of AAA wall integrity that warrant further investigation. Statement of Significance This study addresses the critical need for reliable rupture risk assessment in abdominal aortic aneurysms (AAA), moving beyond simple diameter measurements. We introduce a multi-modal validation framework that serves as a crucial, mechanistically-informed precursor to large-scale clinical trials. By correlating non-invasive, 4D ultrasound-based wall motion biomarkers with patient-specific, experimental “ground truth” data (tissue strength and stress) from the exact same anatomical location, this approach establishes the necessary biomechanical plausibility of predictive metrics before clinical scaling. Our findings reveal that while traditional clinical parameters fail to predict wall integrity, disparity indices quantifying the mechanical disorganization (anisotropy of heterogeneity) of the aneurysm wall correlate strongly with structural vulnerability. This work establishes an efficient tool for evaluating biomechanical markers in small cohorts and highlights strain disparity-based Wall Motion Indices as promising candidates for a more refined, patient-specific risk stratification. Fri, 15 May 2026 00:00:00 GMT http://hdl.handle.net/10498/40546 2026-05-15T00:00:00Z http://hdl.handle.net/10498/40500 RADRISK Inspector: a mobile application for shielding design and safety distance calculation in industrial gamma radiography Suffo Pino, Miguel; Brea-Piñero, D.; Molina Pérez, J. F.; Mota Macías, José Miguel Industrial gamma radiography is a widely used non-destructive testing (NDT) technique, but it involves significant radiological risks that require precise planning of shielding and safety distances. Current practices rely heavily on in-situ radiometric measurements, which are time-consuming and may increase unnecessary operator exposure during setup and verification stages. This work presents RADRISK Inspector (RRI), a cross-platform mobile application that enables real-time radiological safety planning through physics-based calculations. The system estimates minimum safety distances, required shielding thickness, and risk zoning based on radionuclide activity, exposure parameters, and material attenuation properties. In addition, RRI integrates interactive zoning maps, exposure timers, and automated dosimetric reporting compliant with international standards (IAEA, CSN), supporting full digitalization of radiological risk management workflows. The application was preliminarily verified under real industrial conditions during pipeline weld inspections using an Ir-192 source. In this field case, RRI estimated an operator safety distance of 66 m, compared with 22 m obtained from in-situ dose-rate measurements, indicating conservative behaviour consistent with its safety-first planning approach. Accordingly, RRI is not intended to replace in-situ radiometric verification or high-fidelity radiation transport modelling, but to support conservative pre-inspection planning, risk zoning and traceable professional reporting in industrial gamma radiography. RRI represents a novel and beneficial application of radioactivity in modern industry, enabling proactive radiological protection, reducing unnecessary exposure, and improving operational efficiency in gamma radiography. Its compatibility with ATEX-certified devices further supports deployment in hazardous environments. This work supports a shift in radiographic NDT from reactive measurement-based practices to predictive, physics-based safety planning. Thu, 01 Jan 2026 00:00:00 GMT http://hdl.handle.net/10498/40500 2026-01-01T00:00:00Z http://hdl.handle.net/10498/40472 Impacto de un aislamiento de altas prestaciones en la rehabilitación energética interior de edificios Cerezo Narváez, Alberto; Guerrero Delgado, María del Carmen; Monge Palma, Rafael Antonio; Sanchez Ramos, José; Álvarez Domínguez, Servando La rehabilitación energética edificatoria es una estrategia importante en la transición ecológica de la Unión Europea. Estas intervenciones pueden abordarse desde el concepto del triángulo energético: reducir la demanda energética mejorando la envolvente térmica, modificar los equipos de frío/calor e/o incorporar energías renovables. No obstante, la rehabilitación de la envolvente no es considerada suficientemente porque no obtiene unos resultados tan brillantes en el retorno de la inversión como la renovación de las instalaciones, con unas amortizaciones habitualmente más cortas. Además, a pesar de sus ventajas, la renovación de la fachada por el exterior puede no ser una opción en caso de que algunos parámetros urbanísticos estén agotados o se trate de una intervención en un edificio de carácter singular o protegido. En este contexto, este trabajo cuantifica la ventaja competitiva de utilizar un aislante de altas prestaciones frente a una solución tradicional, cuantificandola en ahorro energético y/o económico, a igualdad de espesor (reduciendo la demanda) y de resistencia térmica (aumentando la superficie útil). Los resultados muestran que, en un bloque de compacidad media en Sevilla, puede llegar a conservarse entre un 1 y un 7% de la superficie o reducirse la demanda de calefacción entre un 8 y un 17%. Thu, 13 Jul 2023 00:00:00 GMT http://hdl.handle.net/10498/40472 2023-07-13T00:00:00Z http://hdl.handle.net/10498/40471 Inteligencia Artificial: Catalizador de la Competitividad en la Dirección de Proyectos Ramírez Peña, Magdalena; Otero Mateo, Manuel; Cerezo Narváez, Alberto; Batista Ponce, Moisés Como estrategia innovadora y polifacética para la mejora de los procesos en entornos industriales, la eficiencia y la reducción de costes, se contemplan la integración de conceptos fundamentales como son Lean Manufacturing, Supply Chain, Project Management e Inteligencia Artificial (IA). A medida que las empresas buscan adaptarse a un mercado global cada vez más competitivo y dinámico, estos cuatro enfoques ofrecen un marco robusto para abordar desafíos operacionales y responder a las demandas de calidad, rapidez y personalización en la producción y distribución. Lean Manufacturing se centra en la reducción de tareas que no añaden valor y la maximización de valor a través de la mejora continua y el uso eficiente de los recursos. Al aplicar principios Lean en la cadena de suministro, las organizaciones pueden reducir tiempos de espera y costes, optimizando cada etapa del flujo de materiales. Sin embargo, la implementación de Lean a través de sus técnicas y herramientas requiere una gestión cuidadosa y estratégica, especialmente en un entorno dinámico de cadena de suministro, donde surgen constantemente desafíos que afectan a la producción. Aquí es donde Project Management se convierte en un elemento clave, facilitando una planificación y coordinación efectivas de las actividades Lean, minimizando riesgos y asegurando la ejecución exitosa de cada fase de mejora. La cadena de suministro (Supply Chain) actual enfrenta retos de complejidad y volatilidad. Un enfoque de gestión de proyectos orientado a lean es esencial para una planificación ágil y eficiente, ayudando a los gerentes de proyecto a alinear recursos y coordinar esfuerzos en toda la cadena. Es aquí donde la IA amplía las capacidades al proporcionar herramientas avanzadas de análisis predictivo y automatización que permiten anticipar fluctuaciones en la demanda, optimizar rutas de transporte y gestionar inventarios de manera adaptativa. Así, la IA complementa el enfoque Lean al ofrecer una mayor precisión y rapidez en la toma de decisiones, mejorando la capacidad de respuesta de la cadena de suministro. Esto significa que la IA podría jugar un papel crucial en la integración de estos enfoques. En un contexto de Lean Manufacturing, la IA facilita la identificación de patrones y áreas de desperdicio en el flujo de producción, impulsando mejoras de eficiencia a través de sistemas predictivos que anticipan fallas y optimizan el uso de recursos. Además, al integrarse en cadena de suministro, la IA permite desarrollar modelos predictivos de demanda, personalizar la producción según las preferencias de los clientes y poder gestionar en tiempo real, crucial para una operación ágil y competitiva. A su vez, la gestión de proyectos se beneficia de la IA mediante herramientas que ayudan en la planificación de recursos y monitoreo de proyectos en tiempo real. También es posible analizar riesgos potenciales y proporcionar recomendaciones sobre cómo mitigarlos, mejorando la precisión en la gestión de los plazos y la asignación de recursos. Por tanto, el presente artículo pretende estudiar como a través de la IA actuando como catalizador es posible conseguir maximizar la eficiencia y adaptabilidad de la cadena de suministro y los procesos industriales constituyendo una estrategia transformadora para empresas que buscan mejorar su competitividad en un entorno globalizado. Mon, 26 May 2025 00:00:00 GMT http://hdl.handle.net/10498/40471 2025-05-26T00:00:00Z