1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
  2. Tesis de Posgrado
  3. Chihuahua
  4. Instituto Tecnológico de Chihuahua
  5. Tesis de Maestría
  6. Maestría en Ciencias en Ingeniería Electrónica

Please use this identifier to cite or link to this item: https://rinacional.tecnm.mx/jspui/handle/TecNM/12219
Title: MODELO DE APRENDIZAJE PROFUNDO PARA ANÁLISIS DE MUESTRAS UROLÓGICAS, FROTIS SANGUÍNEO Y CULTIVOS MICROSCÓPICOS
Authors: ACOSTA ESPINOZA, FLAVIO EMMANUEL
metadata.dc.subject.other: MODELO DE APRENDIZAJE PROFUNDO PARA ANÁLISIS DE MUESTRAS UROLÓGICAS, FROTIS SANGUÍNEO Y CULTIVOS MICROSCÓPICOS
Issue Date: 2026-01-01
Publisher: Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Instituto Tecnológico de Chihuahua
Description: Los estudios de sedimento urinario, frotis sanguíneo y la identificación de microorganismos han sido útiles para la prevención y diagnóstico de enfermedades renales e infecciosas. Para esto, las redes neuronales profundas se han convertido en una opción prometedora para la eficiencia y precisión en estos análisis, ya que aprenden y reconocen patrones complejos en datos de interés médico. Para contribuir en dichos esfuerzos, esta tesis propone una red neuronal profunda llamada EfficientNet de baja profundidad (LDE-Net) que analiza muestras microscópicas de sedimento urinario, frotis sanguíneo y cultivos de microorganismos como bacterias y levaduras. Como datos de referencia, se utilizaron tres conjuntos para validar y evaluar LDE-Net, los cuáles son: Urinary Sediment Dataset(USD) para urología, Raabin-wbc para frotis sanguíneo y Bactery and Yeast Real Images (BYRI) para bacterias y levaduras. LDE-Net logró un rendimiento mayor a 95% de exactitud en validación para las tres bases de datos y un tiempo de procesamiento de 11 ms por imagen, con 2.45 millones de parámetros. Las pruebas de validación cruzada mostraron que el modelo generaliza en los distintos conjuntos de datos, y que no existen indicios de sesgo.
metadata.dc.type: info:eu-repo/semantics/masterThesis
Appears in Collections:Maestría en Ciencias en Ingeniería Electrónica

Files in This Item:
File Description SizeFormat 
Tesis Acosta Espinoza Flavio Emmanuel.pdf5.94 MBAdobe PDFView/Open


This item is protected by original copyright

View License
Show full item record


This item is licensed under a Creative Commons License Creative Commons