Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/10517
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorSebastián Salazar Coloreses_ES
dc.contributorJesús Carlos Pedraza Ortegaes_ES
dc.contributorSaúl Tóvar Arriagaes_ES
dc.contributorEdgar Efrén Lozada Hernándezes_ES
dc.contributorJuan Manuel Ramos Arreguínes_ES
dc.creatorSheila Leyva Lópezes_ES
dc.date.accessioned2024-05-17T17:04:43Z-
dc.date.available2024-05-17T17:04:43Z-
dc.date.issued2024-05-17-
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/10517-
dc.descriptionLa fibrosis pulmonar idiopática (FPI) es una enfermedad crónica, progresiva y limitante. Consiste en una mala cicatrización del tejido pulmonar luego de que este sufre algún tipo de daño. De los 200 tipos de fibrosis pulmonar existentes la FPI es la más común y recibe este nombre porque las causas de la aparición del padecimiento se desconocen. En el presente proyecto de tesis de posgrado se propone el desarrollo de un método basado en técnicas de aprendizaje profundo: redes neuronales convolucionales en 3D, con el propósito de predecir el daño pulmonar como consecuencia de la fibrosis idiopática en pulmones. Dicho método consiste en la predicción de los valores de capacidad vital forzada siguientes a partir de una primera imagen de tomografía axial computarizada de tórax, un valor inicial de capacidad vital forzada e información adicional como edad, sexo y el estado del fumador, es decir, si durante el estudio el paciente era un fumador activo, ex fumador nunca había fumado.es_ES
dc.formatpdfes_ES
dc.format.extent1 recurso en línea (101 páginas)es_ES
dc.format.mediumcomputadoraes_ES
dc.language.isospaes_ES
dc.publisherUniversidad Autónoma de Querétaroes_ES
dc.relation.requiresSies_ES
dc.rightsopenAccesses_ES
dc.subjectAprendizaje profundoes_ES
dc.subjectFibrosis Pulmonar Idiopáticaes_ES
dc.subjectRedes Neuronales Convolucionaleses_ES
dc.subjectTomografía Axial Computarizadaes_ES
dc.subjectCapacidad Vital Forzadaes_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titlePredicción del daño pulmonar ocasionado por Fibrosis Pulmonar Idiopática mediante aprendizaje profundo en imágenes de Tomografía Computarizada de tóraxes_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidCVUes_ES
dc.contributor.tidcvues_ES
dc.creator.identificador1177180es_ES
dc.contributor.identificador477758es_ES
dc.contributor.roleDirectores_ES
dc.contributor.roleSinodales_ES
dc.contributor.roleSinodales_ES
dc.contributor.roleSinodales_ES
dc.contributor.roleSinodales_ES
dc.degree.nameMaestría en Ciencias en Inteligencia Artificiales_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
dc.format.supportrecurso en líneaes_ES
dc.matricula.creator311375es_ES
dc.folioIGMAC-311375es_ES
Aparece en: Maestría en Ciencias en Inteligencia Artificial

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
IGMAC-311375 (PDF-A).pdf2.28 MBAdobe PDFPortada
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.