Influencia del uso de redes neuronales aplicados en el procesamiento de imágenes en la efectividad de la detección de neumonía asociada al covid-19 en radiografías de tórax

• Autor: Mendoza Fernández, Grabiel Jeremías
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Privada Antenor Orrego
• Repositorio: UPAO-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.upao.edu.pe:20.500.12759/62071
• Enlace del recurso: https://hdl.handle.net/20.500.12759/62071
• Nivel de acceso: acceso abierto
• Materia: Redes Neuroanles; Radiografias; https://purl.org/pe-repo/ocde/ford#2.11.00

El presente informe de tesis, tuvo como intención conocer la influencia del uso de redes neuronales y su efectividad en la detección de neumonía asociada al Covid – 19 en las radiografías de tórax. La investigación se divide en 3 etapas, la primera etapa es la adquisición de datos y generación de un dataset y el pre procesamiento de las imágenes, la segunda etapa consiste en el modelamiento de la arquitectura a implementar en cada red neuronal y el entrenamiento del modelo general de red neuronal convolucional y la última etapa se generan las pruebas y resultados del modelo particular. A partir de los resultados alcanzados se puede aseverar que: para una mejor evaluación se debe aplicar data augmentation en la identificación de neumonía asociada a Covid- 19 con una exactitud mayor que 0.93. Así también se verifica que el modelo ha sufrido de sobreajuste (overfitting) que se puede reducir cuando no se aplica data augmentation. Finalmente se confirma que, las diferentes técnicas de proceso para un adecuado análisis convolucional, brinda como resultado que el modelo con mayor precisión es Resnet50, con una exactitud de 0.9272 que fue contrastado con los demás modelos de redes neuronales propuestos logrando identificar de manera efectiva cada radiografía, mostrando los datos y presentarlos de manera clara y objetiva