1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Baja California
4. Instituto Tecnológico de Tijuana
5. TESIS DE MAESTRÍA
6. MAESTRÍA EN CIENCIAS DE LA COMPUTACIÓN

Titre:	DETECCIÓN AUTOMÁTICA DE RETINOPATÍA DIABÉTICA POR MEDIO DE UN NUEVO MODELO DE REDES NEURONALES CONVOLUCIONALES
Auteur(s):	Cordero Martinez, Rodrigo%1036418
metadata.dc.subject.other:	Detección, Retinopatía diabética, redes neuronale convolucionales
Date de publication:	2022-03-31
Editeur:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico de Tijuana
Description:	La retinopatía diabética (RD) es uno de los padecimientos causados por la diabetes mellitus (DM) que afecta a personas jóvenes que no tuvieron suficientes cuidados con su enfermedad; ya sea falta de conocimientos de parte del paciente para cuidar su enfermedad, o una detección tardía de esta. La RD no tiene síntomas en sus primeras etapas, por lo que aumenta el riesgo de que el paciente pueda quedar parcial o completamente ciego. Debido a la reducida cantidad de personas especializadas en la detección de este padecimiento, algunos investigadores han empezado a utilizar las tecnologías del aprendizaje profundo para automatizar la detección de RD. Una de estas tecnologías son las redes neuronales convolucionales (RNC). Existen métodos de preprocesamiento para la base de datos que son importantes para aumentar la precisión de detección de las RNC, y el uso de un algoritmo de optimización puede aumentar aún más tal precisión. En este presente trabajo de Tesis se presentan cuatro métodos de preprocesamiento distintos para utilizarlos en un par de modelos de RNC para compararlos y seleccionar el mejor método. Después, se utiliza un algoritmo genético jerárquico (AGJ) con el mejor método de preprocesamiento con la intención de aumentar la precisión de clasificación de un nuevo modelo de RNC. El uso de AGJ aumentó las precisiones obtenidas por los métodos de preprocesamiento y los resultados obtenidos por otros autores. En el caso de estudio binario (detección de RD) se obtuvo 0.9781 en la precisión más alta, 0.9650 en la precisión media y 0.007665 en la desviación estándar. En el caso de estudio multiclase (clasificación de RD) se obtuvo 0.7762 en la precisión más alta, 0.7596 en la precisión media y 0.009948 en la desviación estándar.
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