Caracterización de sensores basados en rejillas de periodo largo para la detección de acetona como biomarcador de la diabetes mellitus usando técnicas de machine learning

Simple item page
dc.audiencegeneralPublic
dc.contributorBeltrán Pérez, Georgina
dc.contributor.advisorBeltrán Pérez, Georgina; 0000-0001-6736-734X
dc.contributor.authorIturbe García, Adrián
dc.creatorIturbe García, Adrián; 0009-0000-4037-8030
dc.date.accessioned2026-05-29T15:44:28Z
dc.date.available2026-05-29T15:44:28Z
dc.date.issued2025-06
dc.description.abstract“En este trabajo de tesis se presenta la aplicación de modelos de análisis supervisado para caracterizar desempeño de sensores de fibra óptica basados en rejillas de periodo largo fabricados. Estos fueron implementados con el objetivo de detectar acetona, la cual es un biomarcador de la diabetes mellitus, una enfermedad que aqueja a millones de personas en el mundo y miles de las que lo padecen desconocen si tienen. Los síntomas de diabetes mellitus tardan en manifestarse dependiendo de la persona, al no detectarse a tiempo las consecuencias pueden ser costosas e incluso letales. De entre los métodos que se utilizan para la detección de esta enfermedad se encuentra la A1c, en la cual se extrae plasma de la persona para su análisis. Proceso que es costoso de realizar e invasivo. Este tipo de pruebas se realizan cuando síntomas severos de la enfermedad se presentan, siendo tarde para una posible prevención de esta. El método del análisis del aliento humano es una alternativa para la detección y monitorización de esta enfermedad, además de ser un método no invasivo. Las concentraciones de acetona presentes en aliento son mayores a 1.8 ppm para las personas que tienen diabetes, mientras que las personas sanas exhalan concentraciones menores a 0.8 ppm. Actualmente para este método se utilizan equipos tales como: GC/MS (siglas de Gas Chromatography/Mass Spectroscopy) los cuales requieren de personal especializado y son costosos”.
dc.folio20251124150633-6899-TL
dc.formatpdf
dc.identificator1
dc.identifier.urihttps://hdl.handle.net/20.500.12371/32539
dc.language.isospa
dc.matricula.creator201635718
dc.publisherBenemérita Universidad Autónoma de Puebla
dc.rights.accesopenAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0
dc.subject.classificationCIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA
dc.subject.lccMedicina interna--Especialidades de medicina interna--Enfermedades de las glándulas endocrinas--Diabetes mellitus y otros trastornos de la secreción interna pancreática
dc.subject.lccMedicina (General)--Aplicaciones informáticas en medicina--Temas especiales--Inteligencia artificial
dc.subject.lccPatología--Técnica de laboratorio--Diagnóstico molecular
dc.subject.lccDiabetes--Diagnóstico--Investigación
dc.subject.lccCompuestos orgánicos volátiles--Medición
dc.thesis.careerLicenciatura en Física
dc.thesis.degreedisciplineÁrea de Ingeniería y Ciencias Exactas
dc.thesis.degreegrantorFacultad de Ciencias Físico Matemáticas
dc.thesis.degreetoobtainLicenciado (a) en Física
dc.titleCaracterización de sensores basados en rejillas de periodo largo para la detección de acetona como biomarcador de la diabetes mellitus usando técnicas de machine learning
dc.typeTesis de licenciatura
dc.type.conacytbachelorThesis
dc.type.degreeLicenciatura
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
20251124150633-6899-TL.pdf
Size:
1.95 MB
Format:
Adobe Portable Document Format
Download
Name:
20251124150633-6899-CARTA.pdf
Size:
437.87 KB
Format:
Adobe Portable Document Format
Collections
Tesis de Licenciatura