Clasificación de retinopatía diabética por medio de redes neuronales convolucionales

Rafael Ortiz Feregrino

Buscar

dc.rights.license	http://creativecommons.org/licenses/by-nc-nd/4.0	es_ES
dc.contributor	Saúl Tovar Arriaga	es_ES
dc.creator	Rafael Ortiz Feregrino	es_ES
dc.date	2019-12-03
dc.date.accessioned	2023-06-14T15:12:47Z
dc.date.available	2023-06-14T15:12:47Z
dc.date.issued	2019-12-03
dc.identifier.uri	https://ri-ng.uaq.mx/handle/123456789/8679
dc.description	La RD es una enfermedad con diferentes grados de severidad. Los patrones que denotan la severidad de dicha enfermedad son variados; cuando la RD presenta una severidad leve o moderada es difícil identificar los patrones o anomalías. En este trabajo se utilizaron dos arquitecturas diferentes de CNN para la clasificación de RD dependiendo el grado de severidad. Se utilizo una base de datos publica descargada de la página Kaggle. Las arquitecturas presentaron una exactitud del 96.37% y 97.38 % en la clasificación de RD proliferativa.	es_ES
dc.format	Adobe PDF	es_ES
dc.language.iso	spa	es_ES
dc.publisher	Facultad de Ingeniería	es_ES
dc.relation.requires	Si	es_ES
dc.rights	Acceso Abierto	es_ES
dc.subject	Ingeniería y Tecnología	es_ES
dc.subject	Ciencias Tecnológicas	es_ES
dc.subject	Tecnología médica	es_ES
dc.title	Clasificación de retinopatía diabética por medio de redes neuronales convolucionales	es_ES
dc.type	Tesis de maestría	es_ES
dc.creator.tid	CURP	es_ES
dc.creator.identificador	OIFR950324HQTRRF02	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