DETECCIÓN AUTOMÁTICA DE RETINOPATÍA DIABÉTICA POR MEDIO DE UN NUEVO MODELO DE REDES NEURONALES CONVOLUCIONALES

Cordero Martinez, Rodrigo%1036418

Ver Estadísticas

Tesis Validadas: 2,591

Tesis de Posgrado: 2650

Número de Visitas:

Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)

Tesis de Posgrado

Baja California

Instituto Tecnológico de Tijuana

TESIS DE MAESTRÍA

MAESTRÍA EN CIENCIAS DE LA COMPUTACIÓN

Please use this identifier to cite or link to this item: https://rinacional.tecnm.mx/jspui/handle/TecNM/6086

Full metadata record

DC Field	Value	Language
dc.contributor.author	Cordero Martinez, Rodrigo%1036418	-
dc.creator	Cordero Martinez, Rodrigo%1036418	-
dc.date.accessioned	2023-09-04T17:48:22Z	-
dc.date.available	2023-09-04T17:48:22Z	-
dc.date.issued	2022-03-31	-
dc.identifier.uri	https://rinacional.tecnm.mx/jspui/handle/TecNM/6086	-
dc.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.	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	Detección, Retinopatía diabética, redes neuronale convolucionales	es_MX
dc.title	DETECCIÓN AUTOMÁTICA DE RETINOPATÍA DIABÉTICA POR MEDIO DE UN NUEVO MODELO DE REDES NEURONALES CONVOLUCIONALES	es_MX
dc.type	info:eu-repo/semantics/masterThesis	es_MX
dc.contributor.director	Sanchez Vizcarra, Daniela Adriana%263883	-
dc.contributor.director	Melin Olmeda, Elba Patricia%21213	-
dc.folio	MCC-04	es_MX
dc.rights.access	info:eu-repo/semantics/openAccess	es_MX
dc.publisher.tecnm	Instituto Tecnológico de Tijuana	es_MX
Appears in Collections:	MAESTRÍA EN CIENCIAS DE LA COMPUTACIÓN