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/123456789/12350
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttps://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorLuis Alberto Morales Hernándezes_ES
dc.creatorAlejandra Vilchis Yubies_ES
dc.date.accessioned2025-10-08T16:37:34Z-
dc.date.available2025-10-08T16:37:34Z-
dc.date.issued2026-03-30-
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/12350-
dc.descriptionLas lesiones en el miembro inferior son una de las afecciones más comunes en el ámbito clínico, siendo las articulaciones del tobillo y la rodilla las que sufren más. Investigaciones anteriores indican que entre el 68% y el 72% de las lesiones se localizan en esta área. Estas lesiones a menudo requieren métodos manuales o técnicas como la resonancia magnética y la tomografía, las cuales son costosas. Por lo tanto, la termografía infrarroja se presenta como una herramienta que permite una captura rápida y económica, proporcionando datos sobre el estado vascular y metabólico del cuerpo humano sin ser invasiva. Para abordar este desafío, se creó un sistema embebido que utiliza imágenes termográficas y modelos de aprendizaje profundo para identificar y clasificar anomalías del miembro inferior. El sistema se desarrolló en una placa Jetson Nano, incorporando una cámara infrarroja (Lepton 3. 5), una digital (Raspberry Pi v2. 1), una interfaz gráfica y una carcasa fabricada en 3D. Se realizaron pruebas de ablación y se aplicaron varias técnicas de aumento de datos en diversas configuraciones del modelo CNN, eligiendo el que mostró el mejor rendimiento. Este alcanzó un nivel de precisión de hasta el 98% en pruebas clínicas realizadas con el apoyo de personal fisioterapeuta. Por lo que la implementación de este tipo de soluciones embebidas es una opción viable y eficaz para el monitoreo fisiológico, con posibilidades de uso en el ámbito clínico. Como trabajo futuro, se plantea ampliar la base de datos termográfica con nuevas adquisiciones, procurando un balance adecuado entre clases. Esto permitirá mejorar la capacidad de generalización del modelo.es_ES
dc.formatpdfes_ES
dc.format.extent1 recurso en línea (172 páginas)es_ES
dc.format.mediumcomputadoraes_ES
dc.language.isospaes_ES
dc.publisherUniversidad Autónoma de Querétaroes_ES
dc.relation.requiresSies_ES
dc.rightsembargoedAccesses_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titleSistema embebido basado en termografía infrarroja de bajo costo e inteligencia artificial para la detección de anomalías en miembro inferiores_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidORCIDes_ES
dc.contributor.tidORCIDes_ES
dc.creator.identificador0009-0005-6099-8073es_ES
dc.contributor.identificador0000-0002-6483-0543es_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.creator247332es_ES
dc.folioIGMAC-247332es_ES
Aparece en: Maestría en Ciencias en Inteligencia Artificial

Archivos:
Fichero Descripción Tamaño Formato  
IGMAC-247332.pdfSistema embebido basado en termografía infrarroja de bajo costo e inteligencia artificial para la detección de anomalías en miembro inferior4.56 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.