Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/9855
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorGendry Alfonso Franciaes_ES
dc.contributorSaúl Tovar Arriagaes_ES
dc.contributorJesús Carlos Pedraza Ortegaes_ES
dc.contributorMarco Antonio Aceveses_ES
dc.contributorMariana Badillo Fernándezes_ES
dc.creatorJavier Anguiano Almejoes_ES
dc.date2023-12-04-
dc.date.accessioned2024-01-30T16:31:58Z-
dc.date.available2024-01-30T16:31:58Z-
dc.date.issued2023-12-04-
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/9855-
dc.descriptionEl Glaucoma es una patología oftálmica que requiere la identificación temprana para garantizar tratamientos adecuados y evitar la pérdida de visión. Un indicador clave para su detección es la presencia de atrofia peripapilar. En este trabajo Maestría, proponemos un modelo de inteligencia artificial para la clasificación y segmentación de atrofia peripapilar, enfocándonos especialmente en sus subclases: Atrofia Alfa y Beta. Esta propuesta busca marcar un precedente en la construcción de sistemas de asistencia para el diagnóstico más precisos y robustos. La principal contribución de este estudio es el desarrollo de la primera base de datos para la segmentación de estas subclases de atrofia peripapilar, validada por especialistas en glaucoma del Instituto Mexicano de Oftalmología. Anteriores investigaciones abordaban la segmentación y clasificación de la atrofia de forma binaria, omitiendo la diferenciación crucial entre Alfa y Beta. Además, hemos comparado metodologías de segmentación semántica y de instancias. Después de un análisis detallado de modelos de segmentación semántica como FCN, SegNet y Unet con variaciones en sus Backbones, y contrastándolos con el modelo MaskRCNN (que integra la segmentación de instancias), determinamos que los modelos de detección de objetos ofrecen una mejor precisión para nuestro objetivo. A esto le sumamos un estudio de ablación, que nos permitió determinar la combinación óptima de hiperparámetros para maximizar el rendimiento del modelo. La segmentación de atrofia peripapilar presenta desafíos inherentes, como su estructura irregular y difusa, el desequilibrio entre clases y el tamaño reducido de la Atrofia Alfa. Aunque existen modelos con alto rendimiento en el área, ninguno diferencia entre las atrofias peripapilares Alfa y Beta, resaltando la originalidad y relevancia de nuestro trabajo. Con nuestro enfoque y resultados, no solo destacamos en el ámbito de la oftalmología e inteligencia artificial, sino que también establecemos un sólido punto de partida para investigaciones futuras en esta dirección específica.es_ES
dc.formatAdobe PDFes_ES
dc.language.isospaes_ES
dc.relation.requiresSies_ES
dc.rightsAcceso Abiertoes_ES
dc.subjectIngeniería y Tecnologíaes_ES
dc.subjectCiencias Tecnológicases_ES
dc.subjectCiencia de los Ordenadoreses_ES
dc.titleModelo de inteligencia artificial para clasificación y segmentación de atrofia peripapilar Alfa y Beta en imágenes de fondo de ojoes_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidORCIDes_ES
dc.contributor.tidCVUes_ES
dc.creator.identificadorhttps://orcid.org/0000-0002-1289-0050es_ES
dc.contributor.identificador897838es_ES
dc.contributor.roleDirectores_ES
dc.contributor.roleSecretarioes_ES
dc.contributor.roleVocales_ES
dc.contributor.roleSuplentees_ES
dc.contributor.roleSuplentees_ES
dc.degree.nameMaestria 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  
IGMAC-309239.pdf2.22 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.