Hernández Ávila, YareliVelasco León, Estela del CarmenHERNANDEZ AVILA, YARELI; 325998VELASCO LEON, ESTELA DEL CARMEN; 246840Hernández Ruiz, Oscar2025-09-092025-09-092025-05https://hdl.handle.net/20.500.12371/29418"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".pdfspaMEDICINA Y CIENCIAS DE LA SALUDMedicina (General)--Investigación--Otros temas especiales--Procesamiento de datosOdontología--Ortodoncia--Trastornos de la denticiónRespiración bucal--DiagnósticoRedes neuronales (Computación)--Uso para el diagnósticoTesis de maestríaopenAccess