1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Morelos
4. Centro Nacional de Investigación y Desarrollo Tecnológico
5. Tesis CENIDET
6. Tesis de Maestría
7. Tesis de Maestría en Computación

Titre:	Redes Neuronales Pulsantes para la Detección e Interpretación de Lesiones en el Cerebro Humano
Auteur(s):	Cortes Martinez, Keila Vasthi%738306
metadata.dc.subject.other:	enfermedades cerebro vascular clasificación neurona modelo Izhikevich
Date de publication:	2019-01-21
Editeur:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Centro Nacional de Investigación y Desarrollo Tecnológico
Description:	Actualmente, las Enfermedades Cerebrales- Vasculares (BSD) representan un grave problema de salud pública y uno de los motivos frecuentes de asistencia neurológica urgente en México. El tratamiento de emergencia de una BSD obedece al tipo de accidente al que pertenezca, ya sea isquémico (cuando se bloquea una arteria) o hemorrágico (involucra un sangrado en el cerebro). El uso de imágenes médicas de forma automatizada reduce el tiempo de evaluación y minimiza errores en el diagnóstico y tratamiento de éstas. La Inteligencia Artificial, ha desarrollado modelos de aprendizaje automático y de reconocimiento de patrones como las Redes Neuronales Artificiales (ANN), en donde diferentes investigaciones ofrecen como una alternativa de solución las del tipo Pulsante (SNN), siendo éstas las que proporcionan información a lo largo del tiempo mediante pulsos. Debido a la importancia del tema, en el presente trabajo de tesis, se desarrolló un análisis en la clasificación de unaneurona SNN representada por el modelo Izhikevich, usada en el reconocimiento de imágenes cerebrales obtenidas de Imágenes de Resonancia Magnéticas, demostrando que la precisión de la clasificación del modelo propuesto puede alcanzar valores comparables a otras ANN como la Multi-Layer Perceptron. Por otra parte, se estimó mediante Accuracy el porcentaje de casos correctamente clasificados, cuyos resultados se compararon entre las dos ANNs.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Collection(s) :	Tesis de Maestría en Computación

Ce document est protégé par copyright Voir la licence

Ce document est autorisé sous une licence de type Licence Creative Commons