Sistema para determinación de la probabilidad de presencia de COVID-19 en imágenes radiográficas de tórax utilizando técnicas de aprendizaje automático

Simple item page
dc.audiencegeneralPublic
dc.contributorAyala Raggi, Salvador Eugenio
dc.contributorBarreto Flores, Aldrin
dc.contributor.advisorAYALA RAGGI, SALVADOR EUGENIO; 66482
dc.contributor.advisorBARRETO FLORES, ALDRIN; 91256
dc.contributor.authorPicazo Castillo, Ángel Ernesto
dc.date.accessioned2024-03-13T21:19:00Z
dc.date.available2024-03-13T21:19:00Z
dc.date.issued2023-11
dc.description.abstract“En este trabajo se presenta un método para el reconocimiento de COVID-19 basado en la localización automática y posterior normalización de la región de interés: los pulmones, en radiografías de tórax. El algoritmo usado fue el Algoritmo Localizador de Pulmones que funciona mediante PCA y regresión ponderada K-NN. Nuestra técnica propuesta implica estimar las posiciones de las esquinas de la región de interés mediante interpolación y luego mapear la imagen dentro de esa región ubicada a una plantilla estandarizada de tamaño fijo. El objetivo es hacer que todas las imágenes de entrenamiento en un conjunto de datos sean similares en términos de posición, ángulo de inclinación, escala y contraste, es decir, alinearlas. Posteriormente, se utiliza el método de Eigenfaces para obtener un conjunto reducido de características principales que representan las imágenes normalizadas. A partir de estas características derivadas de PCA, se seleccionan las de mejor capacidad discriminatoria entre las clases mediante el criterio de Fisher. Nuestros resultados muestran que la combinación de nuestra técnica de alineación de la región pulmonar con la adecuada selección y ponderación de las características más discriminantes es suficiente para lograr una precisión máxima del 95.2% y 97% en la clasificación de radiografías de COVID-19”.
dc.folio20231116141411-8094-T
dc.formatpdf
dc.identificator7
dc.identifier.urihttps://hdl.handle.net/20.500.12371/20230
dc.language.isospa
dc.matricula.creator221470398
dc.publisherBenemérita Universidad Autónoma de Puebla
dc.rights.accesopenAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0
dc.subject.classificationINGENIERÍA Y TECNOLOGÍA
dc.subject.lccCOVID-19-Diagnóstico
dc.subject.lccDiagnóstico por imágenes--Técnicas digitales
dc.subject.lccSistemas de imágenes en medicina
dc.subject.lccRadiografía médica
dc.subject.lccAnálisis de imágenes--Procesamiento de dato
dc.subject.lccAprendizaje automático (Inteligencia artificial)
dc.subject.lccRedes neuronales (Computación)
dc.subject.lccAlgoritmos
dc.thesis.careerMaestría en Ingeniería Electrónica
dc.thesis.degreedisciplineÁrea de Ingeniería y Ciencias Exactas
dc.thesis.degreegrantorFacultad de Ciencias de la Electrónica
dc.thesis.degreetoobtainMaestro (a) en Ingeniería Electrónica, opción instrumentación Electrónica
dc.titleSistema para determinación de la probabilidad de presencia de COVID-19 en imágenes radiográficas de tórax utilizando técnicas de aprendizaje automático
dc.typeTesis de maestría
dc.type.conacytmasterThesis
dc.type.degreeMaestría
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
20231116141411-8094-T.pdf
Size:
22.86 MB
Format:
Adobe Portable Document Format
Download
Name:
20231116141411-8094-CARTA.pdf
Size:
3.95 MB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Tesis de Maestría