Buscar


Mostrar el registro sencillo del ítem

dc.rights.license http://creativecommons.org/licenses/by-nc-nd/4.0 es_ES
dc.contributor Saul Tovar Arriaga es_ES
dc.creator María Guadalupe Hernández Ramírez es_ES
dc.date 2021-08-02
dc.date.accessioned 2021-05-14T17:40:42Z
dc.date.available 2021-05-14T17:40:42Z
dc.date.issued 2021-08-02
dc.identifier.uri http://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.format Adobe PDF es_ES
dc.language.iso Español es_ES
dc.relation.requires Si es_ES
dc.rights En Embargo es_ES
dc.subject Redes Neuronales Convoluciones es_ES
dc.subject Segmentación de imágenes es_ES
dc.subject Retinopatía hipertensiva es_ES
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es_ES
dc.title Metodología para la detección oportuna de retinopatía hipertensiva mediante la medición automática del calibre de los vasos retinianos es_ES
dc.type Tesis de maestría es_ES
dc.creator.tid CURP es_ES
dc.contributor.tid curp es_ES
dc.creator.identificador HERG940517MQTRMD00 es_ES
dc.contributor.identificador TOAS790720HQTVRL08 es_ES
dc.contributor.role Director 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


Ficheros en el ítem

Thumbnail
Nombre: RI005925.pdf
Tamaño: 2.713Mb
Formato: PDF
Ver/

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

Mostrar el registro sencillo del ítem