Please use this identifier to cite or link to this item:
https://ri-ng.uaq.mx/handle/123456789/8679| Title: | Clasificación de retinopatía diabética por medio de redes neuronales convolucionales |
| metadata.dc.creator: | Rafael Ortiz Feregrino |
| Keywords: | Ingeniería y Tecnología;Ciencias Tecnológicas;Tecnología médica |
| metadata.dc.date: | 3-Dec-2019 |
| Publisher: | Facultad de Ingeniería |
| Description: | La 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. |
| URI: | https://ri-ng.uaq.mx/handle/123456789/8679 |
| Appears in Collections: | Maestría en Ciencias en Inteligencia Artificial |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| RI007601.pdf | 48.62 MB | Adobe PDF |  View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
