Sistema inteligente para la identificación de dermatofitosis en pacientes de un centro dermatológico de la ciudad de Chiclayo
Descripción del Articulo
La presente investigación demuestra que un sistema inteligente (SI) elaborado en base a un modelo de machine learning ha solucionado los problemas de identificación de dermatofitosis en un centro dermatológico, brindando aportes tales como la gestión de información oportuna para la atención de los p...
Autor: | |
---|---|
Formato: | tesis de grado |
Fecha de Publicación: | 2021 |
Institución: | Universidad Católica Santo Toribio de Mogrovejo |
Repositorio: | USAT-Tesis |
Lenguaje: | español |
OAI Identifier: | oai:tesis.usat.edu.pe:20.500.12423/4068 |
Enlace del recurso: | http://hdl.handle.net/20.500.12423/4068 |
Nivel de acceso: | acceso abierto |
Materia: | Inteligencia artificial Tiña Diagnóstico por imagen http://purl.org/pe-repo/ocde/ford#2.02.03 |
Sumario: | La presente investigación demuestra que un sistema inteligente (SI) elaborado en base a un modelo de machine learning ha solucionado los problemas de identificación de dermatofitosis en un centro dermatológico, brindando aportes tales como la gestión de información oportuna para la atención de los pacientes, registro de tratamientos y visualización del proceso evolutivo de la enfermedad. Se planteó como objetivo principal desarrollar un SI para la identificación de dermatofitosis en pacientes de un centro dermatológico de la ciudad de Chiclayo. El SI permitirá a través de imágenes identificar la enfermedad y gestionar la información de los pacientes que sufran esta anomalía y no puedan acceder a un especialista. Con la problemática suscitada se realizó las entrevistas correspondientes al especialista de la empresa en estudio y se llegó a desarrollar el SI empleando la metodología XP integrada con técnicas de inteligencia artificial (IA). Al ser la propuesta un sistema web se empleó HTML y para el estilo del front-end se utilizó el framework Bootstrap, el dinamismo de las interfaces fue complementado por JavaScript. En el back-end se emplearon los lenguajes de programación PHP y Python, como gestor de base de datos MySQL. El algoritmo empleado fue Convolutional Neural Networks, gracias al cual luego se entrenó el modelo de machine learning y se alcanzó una especificidad de 83.33% y una sensibilidad de 88.89%. Finalmente, se obtuvo de los usuarios una alta puntuación de aceptación para la utilidad y usabilidad del SI. |
---|
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).
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).