Please use this identifier to cite or link to this item: http://dspace.utpl.edu.ec/handle/29.500.19856/72508
Title: Me permito comunicar que, en calidad de director del presente Trabajo de Titulación denominado:
Authors: Ruiz Vivanco Omar Alexander
Pilco Muñoz, Bryan Paúl
Keywords: Ecuador.
Tesis digital.
Issue Date: 2025
Citation: Pilco Muñoz, B. P. Ruiz Vivanco Omar Alexander (2025) Me permito comunicar que, en calidad de director del presente Trabajo de Titulación denominado: [Tesis de Grado, Universidad Técnica Particular de Loja]. Repositorio Institucional. https://dspace.utpl.edu.ec/handle/29.500.19856/72508
Abstract: Abstract: This research, aimed at identifying patterns of COVID-19 symptoms, was conducted using predictive models based on Artificial Neural Networks (ANNs). Data from 6,512 patients was taken from the Kaggle platform. Based on state-of-the-art data, three base models were created and modified with up to four different configurations each. Five experiments were performed for each configuration, resulting in a total of seventy-five experiments. Of all these, base model number two stood out, achieving an F1 score of 0.8806, an AUC-ROC of 0.9472, and an accuracy of 88.8% metrics superior to the other models and sufficiently relevant for medical predictions. With this model, a computer system was implemented with a web application deployed in the cloud that allows any user to access and make a prediction from any web browser.
Description: Resumen:La presente investigación, con finalidad de identificar patrones de síntomas de COVID-19, se realizó mediante modelos predictivos basados en Redes Neuronales Artificiales o RNA, para ello, se usó información de 6,512 pacientes, la cual fue tomada de la plataforma Kaggle. A partir del estado del arte se crearon tres modelos base, los cuales fueron modificados hasta con cuatro configuraciones diferentes cada uno, y por cada configuración, se realizaron cinco experimentaciones, dando como resultado total setenta y cinco experimentaciones. De todas ellas destacó el modelo base número dos, que alcanzó un F1-score de 0.8806, un AUC-ROC de 0.9472 y una precisión del 88.8%, métricas superiores al resto de modelos y lo suficientemente relevantes en un ámbito de predicciones médicas. Con este modelo se implementó un sistema informático con una aplicación web desplegada en la nube que permite a cualquier usuario el acceso a realizar una predicción desde cualquier navegador web.
URI: https://bibliotecautpl.utpl.edu.ec/cgi-bin/abnetclwo?ACC=DOSEARCH&xsqf99=145695.TITN.
Appears in Collections:Titulación de Sistemas Informáticos y Computación



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.