Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/2880
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.creatorMaría Guadalupe Hernández Ramírezes_ES
dc.date2021-08-02-
dc.date.accessioned2021-05-14T17:40:42Z-
dc.date.available2021-05-14T17:40:42Z-
dc.date.issued2021-08-02-
dc.identifier.urihttp://ri-ng.uaq.mx/handle/123456789/2880-
dc.description"La retina es el único órgano que permite el estudio de los cambios en los vasos sanguíneos de forma no invasiva. La retinopatía hipertensiva se puede observar en imágenes de fondo de ojo, en sus diferentes grados, siendo el grado uno el más difícil de detectar. Dado que los cambios en la retina son mínimos, la medición del estrechamiento de las arterias, identificado con un cambio en la relación arteria-vena (AVR), puede ser un desafío. En los últimos años, las redes neuronales profundas han obtenido los mejores resultados en la clasificación y segmentación de imágenes médicas. En este trabajo se propone una U-Net modificada, con bloques ConvLSTM bidireccionales para la clasificación de arterias y venas. En lugar de concatenar bloques U-Net, se utilizan ConvLSTM bidireccionales para combinar los mapas de características extraídos, lo que ayuda a mantener las características esenciales que de otro modo se perderían. Evaluamos el modelo propuesto utilizando la base de datos DRIVE, logrando un desempeño competente en comparación con los métodos existentes. Para experimentación adicional, se diseñó una base de datos con 60 imágenes de fondo de ojo, 30 imágenes de personas sanas y 30 imágenes de personas hipertensas, donde cada vaso se etiquetó manualmente como vena o arteria. Para calcular el AVR, propusimos un método que inicialmente localiza el disco óptico de la imagen y un algoritmo para medir el calibre de cada vaso. Fue probado con la base de datos INSPIRE, donde las medidas de AVR superan las encontradas en la literatura. Los resultados finales de AVR nos muestran una media de un AVR de 0,55 en personas hipertensas y una media de 0,65 en personas sanas."es_ES
dc.formatAdobe PDFes_ES
dc.language.isoEspañoles_ES
dc.relation.requiresSies_ES
dc.rightsEn Embargoes_ES
dc.subjectRedes Neuronales Convolucioneses_ES
dc.subjectSegmentación de imágeneses_ES
dc.subjectRetinopatía hipertensivaes_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titleMetodología para la detección oportuna de retinopatía hipertensiva mediante la medición automática del calibre de los vasos retinianoses_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidCURPes_ES
dc.contributor.tidcurpes_ES
dc.creator.identificadorHERG940517MQTRMD00es_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: Maestría en Ciencias en Inteligencia Artificial

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI005925.pdf2.78 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.