diff --git a/README.md b/README.md
index c8382580456d221b7663df95307db2c6113b6f1e..662bd7f2d03e80baf8b952e20c3b976098ffcaee 100644
--- a/README.md
+++ b/README.md
@@ -1,26 +1,21 @@
-# PRUEBAS con MkDocs
+# TIMAG 2024 - PROYECTO FINAL
 
-[Ir a la página creada con mkdocs](http://prueba-mkdocs-timag-mkdocs-7001e1dab382c400f7d78dad3d4f74c4d70f.pages.fing.edu.uy/)
+Este es el repositorio del proyecto de Super-resolución en microscopía de fluorescencia: el algoritmo MSSR.
 
+La pagina web del proyecto se puede encontrar [aqui](https://prueba-mkdocs-manuel-padin-5f3467efe662fd6c9eebbe26d75aaf7d8d37.pages.fing.edu.uy/conclusions/)
 
-AYUDA de mkdocs :   
-https://www.mkdocs.org/user-guide/writing-your-docs/  
-https://squidfunk.github.io/mkdocs-material/getting-started/  
+## Descripción
+Este proyecto aborda el problema de la observación de fenómenos a muy pequeña escala mediante el uso de microscopía de fluorescencia y el procesamiento digital de imágenes. La difracción de la luz en microscopios ópticos limita la observación de estructuras menores a 200-300 nm. Para superar esta limitación, se implementa el algoritmo de Super-Resolución Media Desplazada (MSSR), permitiendo mejorar la resolución de las imágenes.
 
+## Contenidos del repositorio
 
-Agregado de imágenes, captions para figuras  
-https://squidfunk.github.io/mkdocs-material/reference/images/
-
-Para poder numerar y referenciar figuras y tablas se puede usar    
-https://tobiasah.github.io/mkdocs-caption/   
- 
-
-Agregado de ecuaciones en latex:  
-https://squidfunk.github.io/mkdocs-material/reference/math/  
-
-
-Citas:  
-https://github.com/shyamd/mkdocs-bibtex  
 
+    Presentación del Problema: Explicación del problema de la resolución limitada en microscopios ópticos y la necesidad de procesamiento digital de imágenes.
+    Aproximación y Métodos: Descripción del algoritmo MSSR, técnicas de procesamiento temporal y métodos de interpolación utilizados para mejorar la resolución de las imágenes.
+    Evaluación del Algoritmo: Análisis de los resultados obtenidos al aplicar el algoritmo MSSR, incluyendo visualizaciones de imágenes procesadas y evaluación de tiempos de ejecución.
+    Implementación en Python: Código fuente de la implementación del algoritmo MSSR en Python, con ejemplos de uso y comparaciones de rendimiento.
+    Datasets: Descripción de los conjuntos de datos utilizados en el proyecto
 
+## Autor
 
+-Manuel Padín: maunel.padin@fing.edu.uy
diff --git a/docs/conclusions.md b/docs/conclusions.md
index 0877855616689e9e6d0a30a80192b428e76569ba..61a7707a72805338482f1903db17ffc903fbb124 100755
--- a/docs/conclusions.md
+++ b/docs/conclusions.md
@@ -3,4 +3,12 @@ Date: 2024-07-21
 Category: Page
 Ordinal: 005
 
+En el proyecto se logró la  correcta imeplementación del algoritmo de Super resolucion de media desplazada(MSSR) aplicado a las imagenes sinteticas que me fueron brindadas. A través de diversos macanismos se logró mejorar la  resolucion de las imágenes,permitiendo observar estructuras más pequeñas que podrian ser distinguidas con microscopios ópticos tradcionales.
 
+El uso de la interpolación bicúbica fue fundamental para obtener estos resultados ya que nos brindaba mucho más pixeles con los cuales trabajar. El posterior tratamiento temporal y las opciones exploradas nos recuerdan que no hay alternativas verdaderamente univerales y que dependiendo el fenómeno visualizado que método de procesamiento temporal debemos aplicar.
+
+Fue de especial relevancia observar que el orden del algoritmo practicamente no influye en el tiemp, esto nos indica que podemos permitirnos explorar más opciones de elección de este parámetro. En contraposición comprobamos que elegir una ampliación superior si supone invertir más tiempo pero también brinda mucho más pixeles que permiten visualizar más detalles, siendo este uno de los factores más determinantes a la hora de incrementar la resolución. Por otra parte, incrementar el tamaño del kernel en los casos estudiados no produjo diferencias significativas en la resolución e incremento de manera cuantitativa el tiempo de procesado. Para aminorar el tiempo de procesado se exploró la opción de eliminar el kernel espacial en el cálculo de la media desplazada, obteniendose variaciones mínimas en los resultados del algoritmo y lograndose un ahorro de aproximadamente 5% del tiempo empleado.
+
+## Futuro Trabajo
+
+Los resultados obtenidos en este proyecto desmutran que el algoritmo MSSR es una herramienta potente y fácil de aplicar para mejorar la resolución de imagenes. Debido al tiempo insumido en la implementación del mismo no se le pudo brindar tanta atención a la evaluación y comparación con otros algoritmos como era la idea inicial. Con más tiempo se podría haber buscado imagenes reales variadas para probar la versatilidad del algoritmo. De igual manera creo que fue un proyecto que aportó mucho a mi desarollo acádemico
\ No newline at end of file
diff --git a/docs/experiments.md b/docs/experiments.md
index 33e6dea883016def999a1973cd6dc91751b1690a..2429746ad7daac426e78b0e1288aa1cfa46b0e05 100755
--- a/docs/experiments.md
+++ b/docs/experiments.md
@@ -11,7 +11,7 @@ En esta sección se observa el resultado de las distintas evaluaciones al algori
 
 Distintos tratamientos teporales producen diferentes imagenes. Cada uno tiene sus ventajas y desventajas. Usar la mediana tiene la ventaja de eliminar los outliers pero puede ser que no estemos capturando el fenonemno en su totalidad ya que nada garantiza que se capture el  fenomeno completo. Si el fenómeno parpadea muy rapidamente posiblemente sea mejor utilizar la varianza ya que alcanzaremos a capturar más de el pero si es una imagen continua se podria perder información. La opción de usar la media tiene en cuenta los outliers y podría producir resultados no esperados. A continuación se muestran resultados de aplicar el algoritmo con Ampliación=5 , hs =3 y orden= 1
 
-Figura: Resultado para distinto procesamiento temoral {#Fig_temporal}
+Figura: Resultado para distinto procesamiento temporal {#Fig_temporal}
 
 ![](images/MSSRtemp.png){ width=700}