Zepeda Fernández, Cristian HeberZepeda Fernández, Cristian Heber; 0000-0002-1716-3127Hernández Román, Luis Gerardo2026-04-162026-04-162025-10-17https://hdl.handle.net/20.500.12371/32012"El cáncer de mama es una de las principales causas de muerte en México y siendo la principal causa de muerte por cáncer en mujeres mayores de 25 años. Se trata de una enfermedad que afecta mayormente a mujeres, aunque también puede presentarse en hombres. La detección temprana es fundamental para mejorar la tasa de supervivencia, pero existen retos significativos en la conciencia y el acceso a servicios de salud eficientes. A partir de esta revisión, se identifica una brecha específica: si bien existe evidencia de que la calidad de imagen afecta el desempeño de modelos en mamografías, pocos trabajos han explorado si arquitecturas ampliamente utilizadas como ResNet50 son capaces de aprender características directamente desde imágenes de baja resolución. En este contexto, el presente estudio se propone evaluar el rendimiento de estas arquitecturas al ser entrenadas con mamografías la máxima resolución de la base de datos y otras reducidas a una resolución menor. Esto permite observar hasta qué punto los modelos mantienen su capacidad de aprendizaje y clasificación bajo condiciones subóptimas, aportando evidencia empírica relevante para aplicaciones reales, especialmente en contextos de recursos limitados donde las imágenes de alta calidad pueden no estar disponibles. Los resultados se analizan con la métrica IoU, métrica que usa datos que pueden significar un subajuste durante el entrenamiento".pdfspaCIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRAMedicina interna--Tumores--Por región, sistema u órgano del cuerpo, o tipo de tumor--MamaMedicina interna--Diagnóstico--Diagnóstico por imágenesMatemáticas--Instrumentos y máquinas--Máquinas de calculo--Ciencias de la computación--Redes neuronalesAnálisis de imágenes--Procesamiento de datosProcesamiento de imágenes--Técnicas digitalesTesis de licenciaturaopenAccess