Hernández López, Javier MiguelSuárez García, José GerardoSuárez García, José Gerardo; 0000-0002-5304-9161Sánchez Ortega, Fernando2026-05-122026-05-122024-11https://hdl.handle.net/20.500.12371/32316"El diagnóstico del Trastorno por Déficit de Atención e Hiperactividad (TDAH) depende actualmente de cuestionarios psicológicos y de la experiencia del especialista, lo que limita la objetividad y consistencia de los resultados. Esta investigación exploró la aplicación de inteligencia artificial (IA) para complementar el diagnóstico mediante el análisis de resonancias magnéticas, identificando información no perceptible al ojo humano. El objetivo principal fue evaluar cómo técnicas de machine learning y deep learning pueden procesar datos médicos complejos para apoyar la identificación del TDAH. Se emplearon enfoques de aprendizaje supervisado y no supervisado, algoritmos de end-to-end learning y representation learning, utilizando conjuntos de imágenes médicas para entrenar modelos predictivos. Los resultados evidenciaron que los modelos fueron capaces de detectar patrones relevantes asociados con la condición, sugiriendo un potencial diagnóstico más objetivo y consistente. Se concluye que la integración de IA en el análisis de imágenes médicas representa una herramienta prometedora para mejorar la precisión del diagnóstico del TDAH y, potencialmente, de otras condiciones neurológicas, ampliando las aplicaciones de métodos físicos y computacionales en la práctica clínica".pdfspaCIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRAEnfermedades del sistema nervioso central--Enfermedades del cerebro--Otras enfermedades--Trastorno por déficit de atención e hiperactividad en adultosMedicina (General)--Aplicaciones informáticas en medicina--Temas especiales--Inteligencia artificialTrastorno por déficit de atención e hiperactividad--Diagnóstico--MétodosDiagnóstico--Innovaciones tecnológicasTesis de licenciaturaopenAccess