Velázquez Castro, JorgeDe Celis Alonso, BenitoVelázquez Castro, Jorge; 0000-0002-7176-2008De Celis Alonso, Benito; 0000-0003-2124-1084Rodríguez Hernández, Josué2026-06-242026-06-242025-11https://hdl.handle.net/20.500.12371/33235“El diagnóstico asistido por computadora basado en imágenes médicas ha transformado la detección temprana y precisa de diversas enfermedades, proporcionando una valiosa herramienta de apoyo para la práctica clínica. Sin embargo, a pesar del notable desempeño alcanzado por los modelos de aprendizaje profundo, como las Redes Neuronales Convolucionales (RNC), su falta de interpretabilidad continúa representando una de las principales limitaciones para su adopción en entornos médicos, donde comprender las razones detrás de una predicción resulta esencial. En este trabajo se propone un filtro de extracción de características basado en el principio de sensibilidad de oclusión, diseñado para visualizar y comprender los procesos de decisión de las RNC. A través de una implementación propia, el método permite generar mapas de activación que resaltan las regiones más relevantes en las imágenes utilizadas por el modelo durante la clasificación. Además, se introducen mejoras orientadas a optimizar la discriminación de las regiones de interés, la calidad visual de los mapas de calor y la eficiencia computacional del proceso”.pdfspaCIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRAMedicina (General)--Aplicaciones informáticas en medicina--Temas especiales--Inteligencia artificialMatemáticas--Instrumentos y máquinas--Máquinas de calculo--Ciencias de la computación--Redes neuronalesSistemas de imagen en medicina--Procesamiento de datosAnálisis de imágenes--Procesamiento de datosRedes neuronales (Computación)Tesis de maestríaopenAccess