Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/8679
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorSaúl Tovar Arriagaes_ES
dc.creatorRafael Ortiz Feregrinoes_ES
dc.date2019-12-03-
dc.date.accessioned2023-06-14T15:12:47Z-
dc.date.available2023-06-14T15:12:47Z-
dc.date.issued2019-12-03-
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/8679-
dc.descriptionLa 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.es_ES
dc.formatAdobe PDFes_ES
dc.language.isospaes_ES
dc.publisherFacultad de Ingenieríaes_ES
dc.relation.requiresSies_ES
dc.rightsAcceso Abiertoes_ES
dc.subjectIngeniería y Tecnologíaes_ES
dc.subjectCiencias Tecnológicases_ES
dc.subjectTecnología médicaes_ES
dc.titleClasificación de retinopatía diabética por medio de redes neuronales convolucionaleses_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidCURPes_ES
dc.creator.identificadorOIFR950324HQTRRF02es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameMaestría en Ciencias en Inteligencia Artificiales_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
Aparece en las colecciones: Maestría en Ciencias en Inteligencia Artificial

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI007601.pdf48.62 MBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.