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

Título:	MODELO DE APRENDIZAJE PROFUNDO PARA ANÁLISIS DE MUESTRAS UROLÓGICAS, FROTIS SANGUÍNEO Y CULTIVOS MICROSCÓPICOS
Autor:	ACOSTA ESPINOZA, FLAVIO EMMANUEL
metadata.dc.subject.other:	MODELO DE APRENDIZAJE PROFUNDO PARA ANÁLISIS DE MUESTRAS UROLÓGICAS, FROTIS SANGUÍNEO Y CULTIVOS MICROSCÓPICOS
Data:	2026-01-01
Editora:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico de Chihuahua
Descrição:	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
Aparece nas colecções:	Maestría en Ciencias en Ingeniería Electrónica

Este registo está protegido por copyright original. Ver licença

Este registo está protegido por Licença Creative Commons