Detección de biomarcadores y clasificación de retinopatías asistida por técnicas de aprendizaje profundo /
| dc.contributor.author | Meza Zazueta, Paul Alexander | |
| dc.contributor.director | García Gallegos, Juan Carlos | |
| dc.coverage.placeofpublication | Mexicali, Baja California. | |
| dc.date.accessioned | 2024-03-18T19:32:29Z | |
| dc.date.available | 2024-03-18T19:32:29Z | |
| dc.date.created | 2023 | |
| dc.degree.deparment | Universidad Autónoma de Baja California, Facultad de Ingeniería | |
| dc.degree.grantor | Tesis de Maestría / master Thesis. | |
| dc.degree.name | Maestría y Doctorado en Ciencias e Ingeniería | |
| dc.description.abstract | La proliferación de la ceguera es una problemática de interés nacional y mundial, según datos de la OMS, en el mundo hay al menos 2,200 millones de personas con deterioro de la visión lo cual representa una disminución significativa en la calidad de vida de la población adulta. Enfermedades como el Glaucoma, la Diabetes, la Hipertensión y la Degeneración Macular Asociada a la Edad (DMAE) son afecciones que si son tratadas a tiempo pueden revertir o reducir el grado de pérdida de visión, de lo contrario el paciente perderá la visión gradualmente hasta llegar a la ceguera. El diagnóstico presuntivo y la atención constante son factores clave para atender y controlar esta problemática que puede tener como consecuencia la pérdida de la visión de un alto porcentaje de la población. En la tarea del diagnóstico y seguimiento de estas enfermedades denominadas retinopatías es crucial llevar a cabo exámenes de la retina, los cuales pueden denotar significativamente una evolución de alguna patología. El presente trabajo de tesis se enfoca en tratar la problemática planteada mediante la automatización del diagnóstico de retinopatías mediante algoritmos de Deep Learning que son algoritmos computacionales buscan emular el juicio y análisis que puede entregar un humano haciendo uso del razonamiento cognitivo. La metodología propuesta para esta tesis consiste en detectar los signos de enfermedad y extraer esa información para obtener una clasificación del grado de enfermedad de acuerdo a la literatura médica. El sistema propuesto compuesto de una etapa de segmentación y otra de clasificación, obtuvo una exactitud de 88% y una sensibilidad de 97.29% en la detección de retinopatía diabética de la base de datos diaretdb0. | |
| dc.format.extent | 115 p. il. | |
| dc.format.mimetype | ||
| dc.identifier.uri | https://repositorioinstitucional.uabc.mx/handle/20.500.12930/11597 | |
| dc.identifier.uri | https://doi.org/10.57840/uabc-1397 | |
| dc.language.iso | spa | |
| dc.publisher | Universidad Autónoma de Baja California. | |
| dc.relation.url | https://drive.google.com/file/d/1dAzfg7SM3Z3hGMJmYKl7h-ft7fANrIxf/view?usp=sharing | |
| dc.rights | openAccess | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4 | |
| dc.subject | Redes neuronales (informática) Software||Tesis y disertaciones académicas||lemb | |
| dc.subject.lcc | QA76.87 M493 2023 | |
| dc.title | Detección de biomarcadores y clasificación de retinopatías asistida por técnicas de aprendizaje profundo / | |
| dc.uabc.bibliographycNote | Incluye referencias bibliográficas | |
| dc.uabc.bilbioteca | MEXICALI | |
| dc.uabc.identifier | 257453 | |
| dc.uabc.numInventario | MXL123991 | |
| dc.uabc.typeMaterial | TESIS |
Archivos
Bloque original
1 - 1 de 1
Cargando...
- Nombre:
- MXL123991.pdf
- Tamaño:
- 3.72 MB
- Formato:
- Adobe Portable Document Format
- Descripción: