Show simple item record

dc.contributorPineda Torres, Ivo Humberto
dc.contributorSomodevilla García, María Josefa
dc.contributorMartín Ortiz, Manuel Isidro
dc.contributor.advisorSOMODEVILLA GARCIA, MARIA JOSEFA; 64545
dc.contributor.advisorMARTIN ORTIZ, MANUEL ISIDRO; 59807
dc.contributor.authorMachorro García, Víctor Daniel
dc.date.accessioned2022-08-17T17:08:03Z
dc.date.available2022-08-17T17:08:03Z
dc.date.issued2022-01-21
dc.identifier.urihttps://hdl.handle.net/20.500.12371/16178
dc.description.abstract"El SARS-CoV-2 el coronavirus recientemente descubierto en diciembre de 2019 en la región de Wuhan China. El virus provoca la enfermedad denominada COVID-19. La principal forma de detección del virus es por medio de una prueba PCR, la cual puede tardar entre 24 y 48 horas, en los sistemas de salud saturados estos resultados pueden no estar disponibles y puede que su resultado tarde aún más. Un mecanismo que se utiliza para obtener un resultado más rápido en pacientes que presentan alguna afectación en los pulmones es la detección de la enfermedad por medio de imágenes de rayos X y tomografía computarizada de tórax. Este proyecto utilizo la inteligencia artificial y el aprendizaje profundo para la clasificación automática de estas imágenes, además se generó un conjunto de datos propio que pudiera tener una representación de la población mexicana, uno de los principales problemas al inicio del proyecto fue la ausencia de datos públicos válidos y fiables para el entrenamiento de la red neuronal. Después de la generación de un conjunto de datos diverso, robusto y relativamente grande, se implementó y entreno una red neuronal convolucional de aprendizaje profundo bajo la plataforma de desarrollo Tensorflow en el lenguaje de programación Python".es_MX
dc.formatpdfes_MX
dc.language.isospaes_MX
dc.publisherBenemérita Universidad Autónoma de Pueblaes_MX
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0es_MX
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_MX
dc.subject.lccCOVID-19-Diagnósticoes_MX
dc.subject.lccDiagnóstico por imágenes--Técnicas digitaleses_MX
dc.subject.lccRadiografía médicaes_MX
dc.subject.lccAnálisis de imágenes--Procesamiento de datoes_MX
dc.subject.lccAprendizaje automático (Inteligencia artificial)es_MX
dc.subject.lccRedes neuronales (Computación)es_MX
dc.titleDetección de COVID-19 por medio de XR y CT de tórax con aprendizaje profundoes_MX
dc.typeTesis de maestríaes_MX
dc.folio20220124121759-5057-Tes_MX
dc.identificator7es_MX
dc.type.conacytmasterThesises_MX
dc.type.degreeMaestríaes_MX
dc.thesis.degreedisciplineÁrea de Ingeniería y Ciencias Exactases_MX
dc.thesis.degreegrantorFacultad de Ciencias de la Computaciónes_MX
dc.thesis.careerMaestría en Ciencias de la Computaciónes_MX
dc.rights.accesopenAccesses_MX
dc.audiencegeneralPublices_MX
dc.matricula.creator219470461es_MX
dc.thesis.degreetoobtainMaestro en Ciencias de la Computaciónes_MX


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

http://creativecommons.org/licenses/by-nc-nd/4.0
Except where otherwise noted, this item's license is described as http://creativecommons.org/licenses/by-nc-nd/4.0