1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Morelos
4. Centro Nacional de Investigación y Desarrollo Tecnológico
5. Tesis CENIDET
6. Tesis de Maestría
7. Tesis de Maestría en Computación

Title:	Detección de COVID-19 y otras enfermedades respiratorias analizando radiografías toráxicas
Authors:	Reyes Sánchez, Emanuel
metadata.dc.subject.other:	COVID-19, Redes Neuronales Convolucionales, Radiografía de Tórax, Aprendizaje Profundo, y Preprocesamiento.
Issue Date:	2025-02-20
Publisher:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Centro Nacional de Investigación y Desarrollo Tecnológico
Description:	En este trabajo se presenta el desarrollo de un modelo de aprendizaje profundo implementando una Red Neuronal Convolucional en conjunto con diferentes técnicas de preprocesamiento; que permite clasificar imágenes de radiografía de tórax en dos clases, siendo estas COVID-19 y NOCOVID-19. En este trabajo de investigación se establecieron 4 módulos: Adquisición y selección de conjuntos de imágenes médicas; Desarrollo del repositorio de radiografías de tórax; Análisis y selección de técnicas de preprocesamiento; y, Análisis y selección de técnicas de clasificación. En adquisición y selección de conjuntos de imágenes médicas, se realizó la recopilación de un gran conjunto de radiografías de tórax de pacientes con COVID-19, neumonías viral y bacteriana, y NOCOVID-19 (otras afectaciones pulmonares); se utilizaron 10 conjuntos de imágenes de acceso público provenientes de instituciones médicas, universidades, hospitales y médicos de diversas partes del mundo. El desarrollo del repositorio de radiografías de tórax consistió en que, tras la adquisición de imágenes, se realizó un cribado para descartar imágenes repetidas o de baja calidad, conformando una cantidad de radiografías de 6,050 de COVID-19, 2,630 de Neumonía Viral, 2,467 de Neumonía Bacteriana y 10,969 de NOCOVID-19. En Análisis y selección de técnicas de preprocesamiento, se realizó la normalización del conjunto de datos, Análisis e implementación de las técnicas de filtrado HE, BCET, CLAHE, Corrección Gamma y NCLAHE; Aumento del conjunto de datos mediante la reducción del ruido Impulsivo y Gaussiano, y descartar objetos presentes en algunas imágenes; destacando el conjunto de datos normalizados y aumentado, y aplicada la técnica de filtrado CLAHE. Análisis y selección de técnicas de clasificación, se evaluaron los modelos de Redes neuronales Convolucionales VGG-16, VGG-19, Xception, MobileNetV1, MobileNetV2 y ResNet50; en donde se seleccionó como modelo base a la RNC VGG-16. El modelo propuesto se evaluó con las métricas de clasificación de Redes Neuronales Convolucionales de Exactitud, Sensibilidad, Precisión y Valor-F1. Obteniendo un rendimiento efectivo del 92.34% en exactitud al clasificar a las radiografías de tórax como COVID-19 y NOCOVID-19.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Appears in Collections:	Tesis de Maestría en Computación

This item is protected by original copyright View License

This item is licensed under a Creative Commons License