Bienvenido al Repositorio Institucional de la UTPL (RiUTPL) que tiene como propósito centralizar los recursos educativos y objetos de aprendizaje generados por la comunidad académica;
este repositorio permitirá preservar, organizar y visibilizar la producción institucional
bajo la licencia Creative Commons 4.0.
Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen:
http://dspace.utpl.edu.ec/handle/20.500.11962/28856Langanzeige der Metadaten
| DC Element | Wert | Sprache |
|---|---|---|
| dc.contributor.advisor | Castillo Malla, Darwin Patricio | es_ES |
| dc.contributor.author | Cueva Mendieta, Joseph Humberto | es_ES |
| dc.date.accessioned | 2021-10-12T13:22:15Z | - |
| dc.date.available | 2021-10-12T13:22:15Z | - |
| dc.date.issued | 2021 | es_ES |
| dc.identifier.citation | Cueva Mendieta, Joseph Humberto. Castillo Malla, Darwin Patricio.(2021). Biomarcadores para imagen médica. Universidad Técnica Particular de Loja | es_ES |
| dc.identifier.other | 1349793 | es_ES |
| dc.identifier.uri | http://dspace.utpl.edu.ec/handle/20.500.11962/28856 | - |
| dc.description | Resumen: La osteoartritis es el trastorno músculo esquelético más común, cuya característica es su carácter crónico y progresivo, además de representar un desafío para los sistemas de salud, ya que la mayoría de estos trastornos no se diagnostican tempranamente. La imagen radiográfica es el medio más utilizado para dicho diagnóstico, no obstante, requiere de entrenamiento y además es operador dependiente. El principal objetivo de este trabajo constituye el diseño e implementación de un sistema de ayuda al diagnóstico (CAD) a través del procesamiento de imágenes de radiográficas de osteoartritis de rodilla, utilizando metodologías de inteligencia artificial. El sistema contempla una red neuronal convolucional ResNet-34 entrenada para clasificar las imágenes según la escala de Kellgren-Lawrance (KL). Logrando que la red neuronal convolucional entenada clasifique imágenes de rayos X de rodilla con una precisión promedio multiclase de 61.77%. La clasificación de clase KL-3 alcanza un 89% de efectividad. El CAD cuenta con una interfaz gráfica de fácil uso que permite la lectura y visualización de imágenes, junto con la selección de la región de interés a analizar y procesar. | es_ES |
| dc.language.iso | spa | es_ES |
| dc.subject | Inteligencia artificial | es_ES |
| dc.subject | Imagen | es_ES |
| dc.subject | Radiográficas | es_ES |
| dc.subject | Ingeniero en electrónica y telecomunicaciones | es_ES |
| dc.subject | Tesis y disertaciones académicas | es_ES |
| dc.title | Biomarcadores para imagen médica | es_ES |
| dc.type | bachelorThesis | es_ES |
| Enthalten in den Sammlungen: | Ingeniero en Electrónica y Telecomunicaciones | |
Dateien zu dieser Ressource:
Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.