Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/1838
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorSaul Tovar Arriagaes_ES
dc.creatorMaria Fernanda Cisneros Guzmanes_ES
dc.date2019-12-13-
dc.date.accessioned2020-01-13T20:57:18Z-
dc.date.available2020-01-13T20:57:18Z-
dc.date.issued2019-12-13-
dc.identifierRetinopatía diabéticaes_ES
dc.identifierMáquina Soporte de Vectoreses_ES
dc.identifierDiagnóstico Automatizadoes_ES
dc.identifierProcesamiento de Imágeneses_ES
dc.identifier.urihttp://ri-ng.uaq.mx/handle/123456789/1838-
dc.descriptionLa retinopatía diabética (RD) es un padecimiento ocular muy común en pacientes diabéticos que se desarrolla cuando se tienen niveles de azúcar altos en sangre, lo que provoca daño en los vasos sanguíneos de la retina. El diagnóstico de RD se basa en detectar diferentes características que se presentan en la parte posterior del ojo, entre los que se encuentra micro-aneurismas, grosor de las venas, hemorragias y exudados. En este trabajo de tesis se propone la detección de exudados y segmentación de vasos sanguíneos, mediante el procesamiento digital de imágenes de la retina para ayudar en la detección de retinopatía. El objetivo principal es clasificar automáticamente las imágenes en dos categorías, las que presentan exudados y las que no, para de esta forma coadyuvar a la elaboración un informe de retinopatía diabética proliferativa. En una etapa inicial, las características deseadas se realizan vía segmentación para posteriormente ser insertadas en un clasificador basado en máquina de soporte de vectores (SVM) para determinar la existencia de exudados. Esta propuesta se probó en una base de datos de 130 imágenes. Como resultado se obtuvo una sensibilidad del 87.3% y una especificidad del 84.6%. A pesar de que el desarrollo de la propuesta está enfocado para ayudar en la detección de retinopatía diabética, se ha encontrado que también puede ser utilizado para el diagnóstico y progresión del edema macular.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.subjectTECNOLOGÍA MÉDICAes_ES
dc.titleAprendizaje máquina en la determinación de factores para el diagnóstico de retinopatía diabética y otras enfermedades oculares.es_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidCURPes_ES
dc.contributor.tidcurpes_ES
dc.creator.identificadorCIGF931214MQTSZR04es_ES
dc.contributor.identificadorTOAS790720HQTVRL08es_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  
RI004902.pdf4.85 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.