Algoritmos de aprendizaje para la clasificación de la retinopatía diabética

Silva Barrera, Brandon

Algoritmos de aprendizaje para la clasificación de la retinopatía diabética

dc.carrera.ingenieria	Ingeniería en computación	es_ES
dc.contributor.author	Silva Barrera, Brandon
dc.date.accessioned	2024-08-14T15:31:35Z
dc.date.available	2024-08-14T15:31:35Z
dc.description	En el capítulo 1 y 2 se da un resumen y una introducción general acerca del estudio realizado en el texto. En el capítulo 3 se muestra la teoría y conceptos que son el fundamento para la investigación mostrada en esta obra, que son la definición y descripción del Aprendizaje Automatizado, los algoritmos de aprendizaje utilizados y su funcionamiento, las técnicas para manejar o filtrar los datos en un estudio como el aquí realizado, con un enfoque en el Análisis de Componentes Principales (ACP) y el Análisis Discriminante Lineal (ADL), además de las métricas para evaluar un modelo de Aprendizaje Automatizado, el método de optimización de hiperparámetros que permite mejorar las métricas de un algoritmo de aprendizaje y la Transformada Continua de Wavelet (TCW), que permitió filtrar y preparar los electrorretinogramas (ERG) utilizados en este estudio. El origen, método de obtención y preprocesamiento de los ERG es explicado en el capítulo 4. En el capítulo 5 se da una descripción más detallada de cómo se implementaron los algoritmos de Aprendizaje Automatizado, los métodos de extracción de características ACP y ADL, y la optimización de hiperparámetros. El capítulo 6 contiene la descripción y análisis de los resultados obtenidos en los experimentos realizados para este trabajo, apoyándose de gráficas de calor que permiten comparar el desempeño de determinado algoritmo con un método de extracción de características y cada wavelet. Cada resultado es un promedio de 10 repeticiones de algún algoritmo. El capítulo 7 contiene las conclusiones de esta investigación. Finalmente, en el apéndice A se colocan las métricas obtenidas en cada experimento realizado, de los cuales surgieron los promedios. El apéndice B contiene tablas con los valores de hiperparámetros obtenidos para cada algoritmo y el apéndice C gráficas que representan las mejoras obtenidas con la optimización de hiperparámetros.	es_ES
dc.description.abstract	Con este trabajo se busca identificar la capacidad de detectar la retinopatía diabética aplicando Aprendizaje Automatizado a electrorretinogramas (ERG) obtenidos de pacientes sanos y enfermos. Se aplican técnicas de extracción de características y preprocesamiento en los ERG para mejorar las capacidades de detección.	es_ES
dc.description.sponsorship	Programa de Apoyo a Proyectos de Investigación e Innovación Tecnológica (PAPIIT). DGAPA-UNAM.	es_ES
dc.director.trabajoescrito	Bárcenas Patiño, Ismael Everardo
dc.identifier.uri	http://www.ptolomeo.unam.mx:8080/xmlui/handle/RepoFi/19361
dc.language.iso	es	es_ES
dc.subject	Inteligencia artificial	es_ES
dc.subject	Aprendizaje automatizado	es_ES
dc.subject	Minería de datos	es_ES
dc.subject	Retinopatía diabética	es_ES
dc.subject	Algoritmos de clasificación	es_ES
dc.title	Algoritmos de aprendizaje para la clasificación de la retinopatía diabética	es_ES
dc.type	Tesis	es_ES