Buscar


Mostrar el registro sencillo del ítem

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


Ficheros en el ítem

Thumbnail
Nombre: RI007601.pdf
Tamaño: 47.48Mb
Formato: PDF
Ver/

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

Mostrar el registro sencillo del ítem