Diseño de un modelo de red neuronal convolucional para mejorar el proceso de diagnóstico de neumonía en los pacientes del Hospital Gustavo Lanatta Luján de Bagua, 2024

• Autores: Alva Ita, Junior Ederson, Asuncion Ruiz, Dantya Mirielli, Huaman Llanos, Alex Alfredo
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional del Callao
• Repositorio: UNAC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unac.edu.pe:20.500.12952/9309
• Enlace del recurso: https://hdl.handle.net/20.500.12952/9309
• Nivel de acceso: acceso abierto
• Materia: Aprendizaje automático; Diagnóstico de neumonía; Modelo predictivo; Radiografía de tórax; Red neuronal convolucional; https://purl.org/pe-repo/ocde/ford#2.02.04

El presente trabajo de investigación tiene como objetivo general diseñar una herramienta tecnológica que permita mejorar el proceso de diagnóstico de neumonía a través de una radiografía de tórax. Esta herramienta, busca ayudar al personal médico del Hospital General Gustavo Lanatta Luján en la realización de diagnósticos de neumonía y de esta manera el tratamiento del paciente sea oportuno. La solución tecnológica desarrollada en esta investigación es un diseño de un modelo predictivo basado en algoritmos de aprendizaje automático. Para la elaboración del modelo, se utilizó un algoritmo de aprendizaje supervisado basado en redes neuronales convolucionales y un dataset de 624 imágenes de radiografías de tórax, estos datos se obtuvieron del área de Imagenología del Hospital General Gustavo Lanatta Luján de Bagua, utilizando la técnica del fichaje. Se logró en la fase de entrenamiento una precisión del modelo de un 91.98%, el cual es un porcentaje elevado de precisión y se procedió a realizar las pruebas en el área respectiva, logrando obtener una aceptación alta de la solución tecnológica. Referente al tipo de diseño metodológico, se aplicó un diseño de investigación experimental, de tipo aplicativa y de nivel explicativa, con ello se estableció el procedimiento y metodología adecuada para la elaboración del trabajo de investigación. El diseño del modelo de red neuronal convolucional generó mejoras significativas en las métricas clave del diagnóstico de neumonía. Se observaron incrementos notables del 5.1438% en el proceso de diagnóstico de neumonía; así como, del 4.6758% en la exactitud, 6.245% en la precisión, 4.5867% en la sensibilidad y un 5.0675% en la especificidad. Estos resultados muestran un impacto positivo, directo y estadísticamente significativo del diseño, respaldando las hipótesis planteadas y la eficacia del diseño del modelo para la mejorar del proceso de diagnóstico de neumonía.