Reivindicaciones

1. REIVINDICACIONES 2. l. Método de discriminación de individuos mediante la identificación y caracterización instantánea de tejido óseo caracterizado porque comprende: (a) 5 irradiar una muestra empleando un láser focalizado sobre la superficie de una muestra, (b) detectar la radiación producida por los elementos químicos del plasma que se forma en la superficie sobre la que se focaliza el haz láser, obteniendo un espectro único de la muestra, utilizando un analizador óptico (e) comparar la señal del detector con una base espectral dinámica utilizando un 3. lo sistema de redes neuronales artificiales que incluyen algoritmos matemáticos supervisados. 4. 2. Método de discriminación de individuos mediante la identificación y caracterización instantánea de tejido óseo, según reivindicación 1, donde le láser es un láser en estado sólido o gaseoso que emite en el rango ultravioleta, visible o 5. 15 infrarrojo. 6. 3. Método de discriminación de individuos mediante la identificación y caracterización instantánea de tejido óseo, según reivindicaciones 1 y 2, donde el láser es del tipo Nd:YAG trabajando a una frecuencia de 1 a 20Hz, a una longitud de onda fija de 1064 nm, con una duración de pulso de 4 nanosegundos 7. 20 4. Método de discriminación de individuos mediante la identificación y caracterización instantánea de tejido óseo, según reivindicación 1, donde la detección de la radiación producida por los elementos químicos del plasma se realiza a través de un sensor óptico CCD que proporciona 2048 puntos espectrales en un rango de 200 a 11 00 nm. 8. 25 5. Método de discriminación de individuos mediante la identificación y caracterización instantánea de tejido óseo, según reivindicación 1, donde la red neuronal posee conexiones hacia delante basadas en un modelo de propagación perceptron, tres capas (entrada, salida y oculta), una función de transferencia entre capas que utiliza una algoritmo tangente hiperbólico sigmoidal y su matriz de 9. 30 pesos se optimiza mediante el algoritmo de entrenamiento de gradiente escalado conjugado SCG previniendo el sobreajuste y el sobreentrenamiento. 10. 6. Dispositivo para la identificación y caracterización instantánea de muestras de tejido óseo que comprende: (a) un equipo láser capaz de producir un proceso de vaporización y posterior formación de un plasma en la superficie de una muestra, 11. (b) un analizador óptico que detecta la radiación producida por los elementos químicos del plasma, (e) un ordenador personal con interfaz gráfica que permite al usuario el control del láser, la observación del espectro de la muestra obtenido y la representación de los resultados para su análisis y que incluye un base de datos espectral dinámica que utiliza un sistema de redes neuronales artificiales que incluyen algoritmos matemáticos supervisados. 12. 7. Dispositivo para la identificación y caracterización instantánea de muestras de tejido óseo, según reivindicación 6, donde le láser es cualquier tipo de láser es un láser en estado sólido o gaseoso que emite en el rango de ultravioleta, visible o infrarrojo. 13. 8. Dispositivo para la identificación y caracterización instantánea de muestras óseas, según reivindicaciones 6 y 7, donde el láser es del tipo Nd:YAG trabajando a una frecuencia de 1 a 20 Hz, a una longitud de onda fija de 1064 nm, con una duración de pulso de 4 nanosegundos. 14. 9. Dispositivo para la identificación y caracterización instantánea de muestras de tejido óseo, según reivindicación 6, donde la detección de la radiación producida por los elementos químicos del plasma se realiza a través de un sensor óptico CCD que proporciona 2048 puntos espectrales en un rango de 200 a 1100 nm. 15. 1O. Dispositivo para la identificación y caracterización instantánea de muestras de tejido óseo, según reivindicación 6, donde la red neuronal posee conexiones hacia delante basadas en un modelo de propagación perceptron, tres capas (entrada, salida y oculta), una función de transferencia entre capas que utiliza una algoritmo tangente hiperbólico sigmoidal y su matriz de pesos se optimiza mediante el algoritmo de entrenamiento de gradiente escalado conjugado SCG previniendo el sobreajuste y el sobreentrenamiento.