1. Repositorio Institucional UAQ
  2. Tesis
  3. Facultad de Ingeniería
  4. Maestría
  5. Maestría en Ciencias en Inteligencia Artificial
Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/12349
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttps://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorGendry Alfonso Franciaes_ES
dc.creatorJorge Antonio Nava Gonzálezes_ES
dc.date.accessioned2025-10-07T14:04:47Z-
dc.date.available2025-10-07T14:04:47Z-
dc.date.issued2025-10-02-
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/12349-
dc.descriptionEl glaucoma es un grupo de enfermedades neurodegenerativas que causan un daño progresivo a las células ganglionares de la retina y sus axones, lo que conduce a una pérdida irreversible de la visión. Una de las principales herramientas de diagnóstico es la fotografía del fondo de ojo, que permite identificar alteraciones en estructuras anatómicas clave. Una de estas alteraciones es la nasalización de los vasos sanguíneos centrales, cuya presencia está estrechamente relacionada con la progresión del deterioro del campo visual. A pesar de su relevancia clínica, la nasalización ha sido un biomarcador relativamente poco explorado, ya que se considera indirecto. En este trabajo se presenta, por primera vez, la aplicación de la inteligencia artificial para segmentar y clasificar el grado de nasalización en imágenes del fondo de ojo. Se seleccionó la arquitectura YOLOv8 para la tarea de segmentación debido a su velocidad y facilidad de implementación, lo que arrojó excelentes resultados en la detección de las regiones nasal y temporal del disco óptico. Estas regiones se consideran de interés, ya que forman parte de la fórmula propuesta para cuantificar el grado de desplazamiento nasal. Posteriormente, se utilizó ResNet50 como modelo de clasificación debido a su uso generalizado y su robustez en el procesamiento de imágenes médicas, lo que permitió clasificar las imágenes como nasalizadas y no nasalizadas con una precisión constante. Otra contribución destacable fue la creación de una base de datos con imágenes nasalizadas y no nasalizadas, así como máscaras correspondientes a las regiones nasal y temporal del disco óptico. Este enfoque sirve como punto de partida para futuros trabajos sobre la nasalización. Tiene el potencial de convertirse en una herramienta valiosa para evaluar la eficacia del tratamiento, ya que permite una observación objetiva de la progresión de la enfermedad.es_ES
dc.formatpdfes_ES
dc.format.extent1 recurso en línea (59 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.subjectGlaucomaes_ES
dc.subjectNasalizaciónes_ES
dc.subjectFondo de Ojoes_ES
dc.subjectInteligencia Artificiales_ES
dc.subjectAprendizaje Profundoes_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titleModelo de aprendizaje profundo para detección de anomalías en vasos sanguíneos asociadas al glaucoma en imágenes de fondo de ojoes_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidORCIDes_ES
dc.contributor.tidORCIDes_ES
dc.creator.identificador0009-0004-5188-4595es_ES
dc.contributor.identificador0000-0002-0315-1133es_ES
dc.contributor.roleDirectores_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.creator326902es_ES
dc.folioIGMAC-326902es_ES
Aparece en: Maestría en Ciencias en Inteligencia Artificial

Archivos:
Fichero Descripción Tamaño Formato  
IGMAC-326902.pdfModelo de aprendizaje profundo para detección de anomalías en vasos sanguíneos asociadas al glaucoma en imágenes de fondo de ojo1.85 MBAdobe PDFVisualizar/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.