Red neuronal convolucional para la detección de factores predisponentes a respiración bucal en CBCT

Simple item page
dc.audiencegeneralPublic
dc.contributorHernández Ávila, Yareli
dc.contributorVelasco León, Estela del Carmen
dc.contributor.advisorHERNANDEZ AVILA, YARELI; 325998
dc.contributor.advisorVELASCO LEON, ESTELA DEL CARMEN; 246840
dc.contributor.authorHernández Ruiz, Oscar
dc.date.accessioned2025-09-09T19:06:33Z
dc.date.available2025-09-09T19:06:33Z
dc.date.issued2025-05
dc.description.abstract"La respiración bucal constituye un patrón alterado que puede ocasionar alteraciones dentofaciales, posturales, funcionales y sistémicas si no se diagnostica y trata oportunamente, y debido a la dificultad clínica de su detección temprana, las redes neuronales artificiales representan una alternativa prometedora por su capacidad de aprendizaje y clasificación compleja, por lo que el objetivo de este estudio fue evaluar la exactitud de diversas arquitecturas para identificar factores de riesgo asociados. El trabajo se desarrolló en tres etapas: en la primera se entrenaron modelos preliminares con un conjunto reducido de datos de CBCT, en la segunda se amplió la base de datos incorporando nuevas imágenes para un entrenamiento más robusto y en la tercera se validó el desempeño de los modelos entrenados en una muestra experimental. Se analizaron cinco arquitecturas de redes neuronales, seleccionando aquellas con los mejores índices de exactitud y sensibilidad, y los resultados mostraron que las convolucionales alcanzaron niveles superiores al 89%, siendo EfficentNet la de mayor precisión con 91.28%. En conclusión, las redes neuronales convolucionales constituyen una herramienta eficaz para apoyar el diagnóstico de la respiración bucal mediante el análisis de múltiples factores de riesgo, optimizando la detección temprana en ortodoncia".
dc.folio20250603104723-2759-T
dc.formatpdf
dc.identificator3
dc.identifier.urihttps://hdl.handle.net/20.500.12371/29418
dc.language.isospa
dc.matricula.creator223450007
dc.publisherBenemérita Universidad Autónoma de Puebla
dc.rights.accesopenAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0
dc.subject.classificationMEDICINA Y CIENCIAS DE LA SALUD
dc.subject.lccMedicina (General)--Investigación--Otros temas especiales--Procesamiento de datos
dc.subject.lccOdontología--Ortodoncia--Trastornos de la dentición
dc.subject.lccRespiración bucal--Diagnóstico
dc.subject.lccRedes neuronales (Computación)--Uso para el diagnóstico
dc.thesis.careerMaestría en Estomatología
dc.thesis.degreedisciplineÁrea de Ciencias Naturales y de la Salud
dc.thesis.degreegrantorFacultad de Estomatología
dc.thesis.degreetoobtainMaestro en Estomatología opción terminal en Ortodoncia
dc.titleRed neuronal convolucional para la detección de factores predisponentes a respiración bucal en CBCT
dc.typeTesis de maestría
dc.type.conacytmasterThesis
dc.type.degreeMaestría
Files
Original bundle
Now showing 1 - 2 of 2
Name:
20250603104723-2759-T.pdf
Size:
2.07 MB
Format:
Adobe Portable Document Format
Download
Name:
20250603104723-2759-CARTA.pdf
Size:
237.74 KB
Format:
Adobe Portable Document Format
Collections
Tesis de Maestría