Por favor, use este identificador para citar o enlazar este ítem:
https://ri-ng.uaq.mx/handle/123456789/8679| Título : | Clasificación de retinopatía diabética por medio de redes neuronales convolucionales |
| Autor: | Rafael Ortiz Feregrino |
| Palabras clave : | Ingeniería y Tecnología Ciencias Tecnológicas Tecnología médica |
| Fecha de publicación : | 3-dic-2019 |
| Editorial : | Facultad de Ingeniería |
| Facultad: | Facultad de Ingeniería |
| Prográma académico: | Maestría en Ciencias en Inteligencia Artificial |
| Resumen: | La RD es una enfermedad con diferentes grados de severidad. Los patrones que denotan la severidad de dicha enfermedad son variados; cuando la RD presenta una severidad leve o moderada es difícil identificar los patrones o anomalías. En este trabajo se utilizaron dos arquitecturas diferentes de CNN para la clasificación de RD dependiendo el grado de severidad. Se utilizo una base de datos publica descargada de la página Kaggle. Las arquitecturas presentaron una exactitud del 96.37% y 97.38 % en la clasificación de RD proliferativa. |
| URI : | https://ri-ng.uaq.mx/handle/123456789/8679 |
| Aparece en las colecciones: | Maestría en Ciencias en Inteligencia Artificial |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| RI007601.pdf | 48.62 MB | Adobe PDF |  Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.
