Buscar


Mostrar el registro sencillo del ítem

dc.rights.license http://creativecommons.org/licenses/by-nc-nd/4.0 es_ES
dc.contributor Sebastián Salazar Colores es_ES
dc.contributor Jesús Carlos Pedraza Ortega es_ES
dc.contributor Saúl Tóvar Arriaga es_ES
dc.contributor Edgar Efrén Lozada Hernández es_ES
dc.contributor Juan Manuel Ramos Arreguín es_ES
dc.creator Sheila Leyva López es_ES
dc.date.accessioned 2024-05-17T17:04:43Z
dc.date.available 2024-05-17T17:04:43Z
dc.date.issued 2024-05-17
dc.identifier.uri https://ri-ng.uaq.mx/handle/123456789/10517
dc.description La fibrosis pulmonar idiopática (FPI) es una enfermedad crónica, progresiva y limitante. Consiste en una mala cicatrización del tejido pulmonar luego de que este sufre algún tipo de daño. De los 200 tipos de fibrosis pulmonar existentes la FPI es la más común y recibe este nombre porque las causas de la aparición del padecimiento se desconocen. En el presente proyecto de tesis de posgrado se propone el desarrollo de un método basado en técnicas de aprendizaje profundo: redes neuronales convolucionales en 3D, con el propósito de predecir el daño pulmonar como consecuencia de la fibrosis idiopática en pulmones. Dicho método consiste en la predicción de los valores de capacidad vital forzada siguientes a partir de una primera imagen de tomografía axial computarizada de tórax, un valor inicial de capacidad vital forzada e información adicional como edad, sexo y el estado del fumador, es decir, si durante el estudio el paciente era un fumador activo, ex fumador nunca había fumado. es_ES
dc.format pdf es_ES
dc.format.extent 1 recurso en línea (101 páginas) es_ES
dc.format.medium computadora es_ES
dc.language.iso spa es_ES
dc.publisher Universidad Autónoma de Querétaro es_ES
dc.relation.requires Si es_ES
dc.rights openAccess es_ES
dc.subject Aprendizaje profundo es_ES
dc.subject Fibrosis Pulmonar Idiopática es_ES
dc.subject Redes Neuronales Convolucionales es_ES
dc.subject Tomografía Axial Computarizada es_ES
dc.subject Capacidad Vital Forzada es_ES
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es_ES
dc.title Predicción del daño pulmonar ocasionado por Fibrosis Pulmonar Idiopática mediante aprendizaje profundo en imágenes de Tomografía Computarizada de tórax es_ES
dc.type Tesis de maestría es_ES
dc.creator.tid CVU es_ES
dc.contributor.tid cvu es_ES
dc.creator.identificador 1177180 es_ES
dc.contributor.identificador 477758 es_ES
dc.contributor.role Director es_ES
dc.contributor.role Sinodal es_ES
dc.contributor.role Sinodal es_ES
dc.contributor.role Sinodal es_ES
dc.contributor.role Sinodal es_ES
dc.degree.name Maestría en Ciencias en Inteligencia Artificial es_ES
dc.degree.department Facultad de Ingeniería es_ES
dc.degree.level Maestría es_ES
dc.format.support recurso en línea es_ES
dc.matricula.creator 311375 es_ES
dc.folio IGMAC-311375 es_ES


Ficheros en el ítem

Thumbnail
Nombre: IGMAC-311375 ...
Tamaño: 2.228Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem