|
Please use this identifier to cite or link to this item:
https://repositorio.utn.edu.ec/handle/123456789/14068
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | García Santillán, Iván Danilo | - |
dc.contributor.author | Ulloa Terán, Francisco Mateo | - |
dc.date.accessioned | 2023-06-15T13:52:18Z | - |
dc.date.available | 2023-06-15T13:52:18Z | - |
dc.date.created | 2023-05-31 | - |
dc.date.issued | 2023-06-15 | - |
dc.identifier.other | 04/ISC/ 684 | es_EC |
dc.identifier.uri | http://repositorio.utn.edu.ec/handle/123456789/14068 | - |
dc.description | Analizar imágenes de retinografías para incrementar el grado de identificación del nivel de retinopatía diabética en pacientes que padecen diabetes utilizando técnicas de inteligencia artificial. | es_EC |
dc.description.abstract | El propósito principal de este estudio de investigación es enfocarse en utilizar técnicas de inteligencia artificial para incrementar la identificación del nivel de retinopatía diabética en pacientes que padecen diabetes mediante el análisis de imágenes de retinografías. Se desarrolló una aplicación web para la Asociación Ecuatoriana de Diabetes ubicada en Quito, Ecuador, y se utilizó la técnica de redes neuronales convolucionales en el entrenamiento de un modelo de aprendizaje automático con el objetivo de detectar automáticamente retinopatía diabética. El aplicativo web se conecta con un módulo de predicción entrenado con cinco tipos de arquitecturas de redes neuronales, y se determinó que la red neuronal ResNet152V2 tiene la mayor tasa de detección con un 80% de precisión. Se empleó la prueba estadística de Chi Cuadrado y la correlación de Spearman para llevar a cabo la validación correspondiente, y se observó que la aplicación superó al análisis visual de los especialistas con un margen de error del 19.9%, mientras que los especialistas obtuvieron un margen de error del 35.5%. En términos generales, se puede concluir que los resultados obtenidos indican que la aplicación ha logrado satisfactoriamente su objetivo principal, que es mejorar la detección del nivel de retinopatía diabética en pacientes con diabetes. | es_EC |
dc.language.iso | spa | es_EC |
dc.rights | openAccess | es_EC |
dc.rights | Atribución-NoComercial-CompartirIgual 3.0 Ecuador | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/ec/ | * |
dc.subject | PRUEBAS DIAGNÓSTICAS | es_EC |
dc.subject | INTELIGENCIA ARTIFICIAL | es_EC |
dc.subject | APLICACIONES TECNOLÓGICAS | es_EC |
dc.subject | RETINOPATÍA DIABÉTICA | es_EC |
dc.subject | RETINA | es_EC |
dc.subject | REDE NEURONAL CONVOLUCIONAL | es_EC |
dc.title | Análisis de imágenes de la retina del ojo para determinar el nivel de retinopatía diabética utilizando técnicas de inteligencia artificial | es_EC |
dc.type | bachelorThesis | es_EC |
dc.description.degree | Ingeniería | es_EC |
dc.contributor.deparment | Sistemas Computacionales | es_EC |
dc.coverage | Ibarra. Ecuador | es_EC |
dc.identifier.mfn | 0000041203 | es_EC |
Appears in Collections: | Ing. en Sistemas Computacionales |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
04 ISC 684 LOGO.jpg | Logo | 29.06 kB | JPEG | View/Open |
04 ISC 684 TRABAJO DE GRADO.pdf | Trabajo de grado | 3.64 MB | Adobe PDF | View/Open |
This item is protected by original copyright |
This item is licensed under a Creative Commons License