1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Guanajuato
4. Instituto Tecnológico de León (Posgrado)
5. Tesis de Maestría
6. Maestría en Ciencias de la Computación

Titre:	ANALISIS DE IMAGENES DE TC TORACICA PARA LA IDENTIFICACION DE COVID-19 MEDIANTE EL ALGORITMO LOCAL BINARY PATTERN
Auteur(s):	HERNANDEZ AGUIRRE, ANA EVELIA%1108752
metadata.dc.subject.other:	COVID-19 Diagnóstico por imágen Tomografía Imágenes por resonancia magnética Procesamiento de imágenes Sistemas de reconocimiento de patrones Técnicas digitales Visión por computadora Patrón binario local Redes neuronales
Date de publication:	2023-01-26
Editeur:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico de León
Description:	El objetivo de este proyecto es realizar una clasificación por medio de imágenes de Tomografías Computarizadas (TC) torácicas de pacientes con y sin Covid-19, haciendo uso de 2 datasets (conjunto de imágenes de pacientes con Covid-19 y sin Covid-19). Se realizó un preprocesamiento de las imágenes para tomar el área de interés (zona pulmonar) para continuar procesando las imágenes con el algoritmo Local Binary Pattern (LBP) y sus variantes (LBP Original, Uniforme e Invariante a la rotación). Se observaron y analizaron los resultados para poder tomar la decisión de que tipo de variante LBP usar para la clasificación, y en este caso se eligió el LBP uniforme para extraer sus patrones correspondientes. De esta manera se pudo clasificar en dos clases (Con covid-19 y sin Covid-19) implementando una red neuronal perceptrón multicapa. El método de segmentación empleado para la extracción de las regiones de interés, permitió quitar la mayoría del ruido por medio de una elipse, donde se encierra el área pulmonar. Este método mencionado anteriormente no fue exactamente preciso para todas las imágenes de los dos datasets, en algunos casos se toma más allá de la región de interés necesaria, esto influyó en la exactitud de la clasificación la cual no fue superior a 60%. En los 11 experimentos realizados, el promedio de exactitud fue 47.72%, la mayor exactitud 58.0% y la menor exactitud 42.0% del total de experimentos realizados. En trabajo de investigación y la implementación realizada, nos proporciona información suficiente (resultados) para darnos cuenta que se requiere modificar el método implementado. Existieron varios factores que influyeron negativamente en los resultados, tales como lo es la variación de contraste en las imágenes de los datasets y anotaciones sobre dichas imágenes que afectaban al área de interés. Con los resultados obtenidos, se pueden realizar cambios necesarios para probar otros métodos a seguir y comparar resultados con los de esta investigación.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Collection(s) :	Maestría en Ciencias de la Computación

Ce document est protégé par copyright Voir la licence

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