Evaluación de modelos para la clasificación de células infectadas con malaria mediante redes neuronales convolucionales Darknet y Resnet

Descripción del Articulo

Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Estadística Aplicada
Detalles Bibliográficos
Autor: Castañón Vilca, Joaquín Antonio
Formato: tesis de maestría
Fecha de Publicación:2025
Institución:Universidad Nacional Agraria La Molina
Repositorio:UNALM-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.lamolina.edu.pe:20.500.12996/7113
Enlace del recurso:https://hdl.handle.net/20.500.12996/7113
Nivel de acceso:acceso abierto
Materia:Redes neuronales
Pendiente
id UNAL_74a96e2513935eaacc4cfd8118c83843
oai_identifier_str oai:repositorio.lamolina.edu.pe:20.500.12996/7113
network_acronym_str UNAL
network_name_str UNALM-Institucional
repository_id_str 3039
dc.title.none.fl_str_mv Evaluación de modelos para la clasificación de células infectadas con malaria mediante redes neuronales convolucionales Darknet y Resnet
title Evaluación de modelos para la clasificación de células infectadas con malaria mediante redes neuronales convolucionales Darknet y Resnet
spellingShingle Evaluación de modelos para la clasificación de células infectadas con malaria mediante redes neuronales convolucionales Darknet y Resnet
Castañón Vilca, Joaquín Antonio
Redes neuronales
Pendiente
title_short Evaluación de modelos para la clasificación de células infectadas con malaria mediante redes neuronales convolucionales Darknet y Resnet
title_full Evaluación de modelos para la clasificación de células infectadas con malaria mediante redes neuronales convolucionales Darknet y Resnet
title_fullStr Evaluación de modelos para la clasificación de células infectadas con malaria mediante redes neuronales convolucionales Darknet y Resnet
title_full_unstemmed Evaluación de modelos para la clasificación de células infectadas con malaria mediante redes neuronales convolucionales Darknet y Resnet
title_sort Evaluación de modelos para la clasificación de células infectadas con malaria mediante redes neuronales convolucionales Darknet y Resnet
author Castañón Vilca, Joaquín Antonio
author_facet Castañón Vilca, Joaquín Antonio
author_role author
dc.contributor.advisor.fl_str_mv Salinas Flores, Jesús Walter
dc.contributor.author.fl_str_mv Castañón Vilca, Joaquín Antonio
dc.subject.none.fl_str_mv Redes neuronales
topic Redes neuronales
Pendiente
dc.subject.ocde.none.fl_str_mv Pendiente
description Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Estadística Aplicada
publishDate 2025
dc.date.accessioned.none.fl_str_mv 2025-05-22T13:11:25Z
dc.date.available.none.fl_str_mv 2025-05-22T13:11:25Z
dc.date.issued.fl_str_mv 2025
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.version.none.fl_str_mv info:eu-repo/semantics/publishedVersion
format masterThesis
status_str publishedVersion
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12996/7113
url https://hdl.handle.net/20.500.12996/7113
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional Agraria La Molina
dc.publisher.country.none.fl_str_mv PE
publisher.none.fl_str_mv Universidad Nacional Agraria La Molina
dc.source.none.fl_str_mv reponame:UNALM-Institucional
instname:Universidad Nacional Agraria La Molina
instacron:UNALM
instname_str Universidad Nacional Agraria La Molina
instacron_str UNALM
institution UNALM
reponame_str UNALM-Institucional
collection UNALM-Institucional
bitstream.url.fl_str_mv https://repositorio.lamolina.edu.pe/bitstreams/bcdc65bc-f766-463f-9305-377baf800f22/download
https://repositorio.lamolina.edu.pe/bitstreams/7a269dae-9217-4c42-b9b7-c9f576122c6c/download
https://repositorio.lamolina.edu.pe/bitstreams/5ff42a55-5387-441e-81db-025d5171974e/download
https://repositorio.lamolina.edu.pe/bitstreams/d108ffef-5d13-44e7-a27d-e3d2dd32a9ff/download
https://repositorio.lamolina.edu.pe/bitstreams/770e75e4-3cb7-4b88-8db2-c497f259bafd/download
https://repositorio.lamolina.edu.pe/bitstreams/b0b47b27-4828-442f-b227-51f30174b4da/download
https://repositorio.lamolina.edu.pe/bitstreams/85b04295-d85f-4282-b8ce-c0cd8d0127e9/download
https://repositorio.lamolina.edu.pe/bitstreams/4843c3f5-a79f-4ecc-8f33-86b1858dca49/download
https://repositorio.lamolina.edu.pe/bitstreams/7f934e21-8e04-4a78-b244-b8eed6672dee/download
https://repositorio.lamolina.edu.pe/bitstreams/0e998505-710b-4f52-ac37-8982101b359c/download
bitstream.checksum.fl_str_mv 3005bb347cf9db5585b7efe5d7a25853
4ff607e04698153d05e1b3221787b2a3
73edc96557b6fd90d95b6ba74af6c6ac
97c5bee00fbb4c4f8867bd742b579336
f2ed7a4ebafd1b6ae14bb460de3273c9
8725aff626dbf98fb2ad13160fd26d55
27a2bb2afd43760dffa4a007b5dc44a6
47239db980a4cf46903cc9c73a2b73f4
33681a44421c8ed252e6eeb620a2e606
9bdab6b616299bb003333d3f8f659fed
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad Nacional Agraria La Molina
repository.mail.fl_str_mv dspace@lamolina.edu.pe
_version_ 1846975565633945600
spelling Salinas Flores, Jesús Walter1903b339-6207-4098-8db7-a7aeee853f3d-1Castañón Vilca, Joaquín Antonio2025-05-22T13:11:25Z2025-05-22T13:11:25Z2025https://hdl.handle.net/20.500.12996/7113Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Estadística AplicadaEsta investigación aborda la problemática de diagnóstico de malaria, una enfermedad que afecta a más de 200 millones de personas anualmente, siendo más devastadora en áreas tropicales con recursos limitados. Para mejorar la eficiencia y exactitud del diagnóstico, se evaluaron los modelos de redes neuronales convolucionales DarkNet-19 y ResNet-50 para clasificar imágenes de células infectadas con malaria. Se entrenaron los modelos con una base de datos de 27,560 imágenes, incluyendo células infectadas y no infectadas. Se asignó el 80% de los datos para el entrenamiento y el 20% para la prueba, con un conjunto de validación adicional. Se desarrollaron modelos utilizando Keras: ResNet-50 mediante Transfer Learning y DarkNet-19 con arquitectura propia compuesta por capas Convolucionales, GlobalAveragePooling y Densas. Ambos modelos tienen una última capa densa de tamaño 2 para clasificación binaria en el contexto de imágenes de células infectadas con malaria. Como resultado, se obtuvo una exactitud del 95% para DarkNet-19 y del 93.9% para ResNet-50, mostrando una ligera ventaja de exactitud para DarkNet-19. Además, se observó que, bajo los mismos parámetros de entrenamiento, ResNet-50 mostró signos de posible overfitting, que se pudo mitigar mediante técnicas de regulación como Early Stopping y ReduceLROnPlateau.This research addresses the diagnostic challenges of malaria, a disease affecting over 200 million people annually, with a more devastating impact in tropical areas with limited resources. To enhance diagnostic efficiency and accuracy, convolutional neural network models DarkNet- 19 and ResNet-50 were evaluated for classifying images of malaria-infected cells. The models were trained on a dataset comprising 27,560 images, encompassing both infected and non- infected cells. An 80% allocation for training, 20% for testing, and an additional validation set were utilized. Models were developed using Keras: ResNet-50 through Transfer Learning and DarkNet-19 with a custom architecture involving Convolutional, GlobalAveragePooling, and Dense layers. Both models feature a final dense layer with a size of 2 for binary classification within the context of malaria-infected cell images. Consequently, an accuracy of 95% was achieved for DarkNet-19 and 93.9% for ResNet-50, highlighting a slight accuracy advantage for DarkNet-19. Additionally, it was observed that under identical training parameters, ResNet- 50 exhibited signs of potential overfitting, which were successfully mitigated using regularization techniques such as Early Stopping and ReduceLROnPlateau.application/pdfspaUniversidad Nacional Agraria La MolinaPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/4.0/Redes neuronalesPendienteEvaluación de modelos para la clasificación de células infectadas con malaria mediante redes neuronales convolucionales Darknet y Resnetinfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionreponame:UNALM-Institucionalinstname:Universidad Nacional Agraria La Molinainstacron:UNALMSUNEDUEstadística AplicadaUniversidad Nacional Agraria La Molina. Escuela de PosgradoMagister Scientiae - Estadística Aplicada76987524https://orcid.org/0000-0003-4321-424708684738https://purl.org/pe-repo/renati/type#tesishttps://purl.org/pe-repo/renati/level#maestro542027Sotomayor Ruiz, RinoGamboa Unsihuay, JesúsCoaquira Nina, Frida RosaORIGINALcastañon-vilca-joaquin-antonio.pdfcastañon-vilca-joaquin-antonio.pdfTexto completoapplication/pdf2791723https://repositorio.lamolina.edu.pe/bitstreams/bcdc65bc-f766-463f-9305-377baf800f22/download3005bb347cf9db5585b7efe5d7a25853MD51Turnitin report.pdfTurnitin report.pdfInforme originalidadapplication/pdf2422862https://repositorio.lamolina.edu.pe/bitstreams/7a269dae-9217-4c42-b9b7-c9f576122c6c/download4ff607e04698153d05e1b3221787b2a3MD52Formato repositorio.pdfFormato repositorio.pdfAutorizaciónapplication/pdf234770https://repositorio.lamolina.edu.pe/bitstreams/5ff42a55-5387-441e-81db-025d5171974e/download73edc96557b6fd90d95b6ba74af6c6acMD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81664https://repositorio.lamolina.edu.pe/bitstreams/d108ffef-5d13-44e7-a27d-e3d2dd32a9ff/download97c5bee00fbb4c4f8867bd742b579336MD54TEXTcastañon-vilca-joaquin-antonio.pdf.txtcastañon-vilca-joaquin-antonio.pdf.txtExtracted texttext/plain101756https://repositorio.lamolina.edu.pe/bitstreams/770e75e4-3cb7-4b88-8db2-c497f259bafd/downloadf2ed7a4ebafd1b6ae14bb460de3273c9MD55Turnitin report.pdf.txtTurnitin report.pdf.txtExtracted texttext/plain101706https://repositorio.lamolina.edu.pe/bitstreams/b0b47b27-4828-442f-b227-51f30174b4da/download8725aff626dbf98fb2ad13160fd26d55MD57Formato repositorio.pdf.txtFormato repositorio.pdf.txtExtracted texttext/plain2712https://repositorio.lamolina.edu.pe/bitstreams/85b04295-d85f-4282-b8ce-c0cd8d0127e9/download27a2bb2afd43760dffa4a007b5dc44a6MD59THUMBNAILcastañon-vilca-joaquin-antonio.pdf.jpgcastañon-vilca-joaquin-antonio.pdf.jpgGenerated Thumbnailimage/jpeg4067https://repositorio.lamolina.edu.pe/bitstreams/4843c3f5-a79f-4ecc-8f33-86b1858dca49/download47239db980a4cf46903cc9c73a2b73f4MD56Turnitin report.pdf.jpgTurnitin report.pdf.jpgGenerated Thumbnailimage/jpeg3418https://repositorio.lamolina.edu.pe/bitstreams/7f934e21-8e04-4a78-b244-b8eed6672dee/download33681a44421c8ed252e6eeb620a2e606MD58Formato repositorio.pdf.jpgFormato repositorio.pdf.jpgGenerated Thumbnailimage/jpeg5533https://repositorio.lamolina.edu.pe/bitstreams/0e998505-710b-4f52-ac37-8982101b359c/download9bdab6b616299bb003333d3f8f659fedMD51020.500.12996/7113oai:repositorio.lamolina.edu.pe:20.500.12996/71132025-05-22 22:20:54.387https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.lamolina.edu.peRepositorio Universidad Nacional Agraria La Molinadspace@lamolina.edu.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
score 12.636967
Evaluación de modelos para la clasificación de células infectadas con malaria mediante redes neuronales convolucionales Darknet y Resnet
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares