Utilize este identificador para referenciar este registo:
https://rinacional.tecnm.mx/jspui/handle/TecNM/12219Registo completo
| Campo DC | Valor | Idioma |
|---|---|---|
| dc.contributor.advisor | Chacón Murguía, Mario Ignacio#CAMM590201NC4 | - |
| dc.contributor.author | ACOSTA ESPINOZA, FLAVIO EMMANUEL | - |
| dc.creator | ACOSTA ESPINOZA, FLAVIO EMMANUEL#AOEF980829HCHCSL06 | - |
| dc.date.accessioned | 2026-02-26T14:50:18Z | - |
| dc.date.available | 2026-02-26T14:50:18Z | - |
| dc.date.issued | 2026-01-01 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/12219 | - |
| dc.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. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | Tecnológico Nacional de México | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_MX |
| dc.subject | info:eu-repo/classification/cti/7 | es_MX |
| dc.subject.other | MODELO DE APRENDIZAJE PROFUNDO PARA ANÁLISIS DE MUESTRAS UROLÓGICAS, FROTIS SANGUÍNEO Y CULTIVOS MICROSCÓPICOS | es_MX |
| dc.title | MODELO DE APRENDIZAJE PROFUNDO PARA ANÁLISIS DE MUESTRAS UROLÓGICAS, FROTIS SANGUÍNEO Y CULTIVOS MICROSCÓPICOS | es_MX |
| dc.type | info:eu-repo/semantics/masterThesis | es_MX |
| dc.contributor.director | Ramírez Quintana, Juan Alberto#RAQJ8110193I0 | - |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Instituto Tecnológico de Chihuahua | es_MX |
| Aparece nas colecções: | Maestría en Ciencias en Ingeniería Electrónica | |
Ficheiros deste registo:
| Ficheiro | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| Tesis Acosta Espinoza Flavio Emmanuel.pdf | 5.94 MB | Adobe PDF | Ver/Abrir |
Este registo está protegido por copyright original. |
Este registo está protegido por Licença Creative Commons
