Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/8434
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorSaúl Tovar Arriagaes_ES
dc.creatorCarlos Oliver Hernández Montejanoes_ES
dc.date2022-11-29-
dc.date.accessioned2023-06-02T17:48:52Z-
dc.date.available2023-06-02T17:48:52Z-
dc.date.issued2022-11-29-
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/8434-
dc.descriptionLa RD es una enfermedad causada por la diabetes que en la actualidad se diagnóstica principalmente a través del estudio de imágenes de fondo de ojo y análisis clínicos, sin embargo estas técnicas de diagnóstico categorizan la gravedad de la RD con base en los daños que existen en la retina. Se ha demostrado que técnicas como las señales de ERG permiten la identificación de la presencia de RD incluso antes de que los daños en la retina sean visibles. El estudio en los patrones de estas señales de manera espontánea puede ser la clave para la detección temprana de la RD y detener su progreso antes de que los daños en la retina sean graves. En este trabajo se implementó la comparativa de tres modelos de CNN para la clasificación de imágenes de escalograma obtenidos a partir de señales de ffERG espontáneos en dos categorías RD y NoRD. Los modelos implementados fueron los siguientes: Modificación a CNN Alexnet, ResNet implementada con AutoML (HyperResNet) y modelo de CNN paralelo a nueve capas. Las topologías presentaron exactitudes de 86.7 %, 79 % y 78 % respectivamente en la identificación de lo que es RD y NoRD.es_ES
dc.formatAdobe PDFes_ES
dc.language.isospaes_ES
dc.publisherIngenieríaes_ES
dc.relation.requiresSies_ES
dc.rightsAcceso Abiertoes_ES
dc.subjectIngeniería y Tecnologíaes_ES
dc.subjectCiencias Tecnológicases_ES
dc.subjectTecnología Médicaes_ES
dc.titleModelo de clasificación de señales de electrorretinograma para diagnóstico de retinopatía diabética tempranaes_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidcurpes_ES
dc.contributor.tidcurpes_ES
dc.creator.identificadorHEMC930827HMNRNR04es_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  
RI007517.pdf6.54 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.