Detección de enfermedades ungueales mediante redes neuronales convolucionales

• Autores: Gamonal Diaz, Jean Pierre, Romero Lizano, Deyvi Jhair
• Formato: tesis de grado
• Fecha de Publicación: 2026
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/17089
• Enlace del recurso: https://hdl.handle.net/20.500.12802/17089
• Nivel de acceso: acceso abierto
• Materia: Redes neuronales convolucionales; Deep learning; Onicomicosis; Psoriasis; https://purl.org/pe-repo/ocde/ford#2.02.04

Las enfermedades ungueales representan un problema de salud pública poco atendido, pero especialmente creciente en poblaciones adultas y con afecciones crónicas como la diabetes. Este estudio tuvo como finalidad analizar el rendimiento de tres modelos de aprendizaje profundo basados en redes neuronales convolucionales orientados al reconocimiento de onicomicosis, psoriasis y uñas saludables. Con el fin de integrar el modelo con mejor resultado en una aplicación móvil desarrollado en Android Studio. Para ello, se emplearon tres arquitecturas preentrenadas las cuales son VGG16, ResNet50 y MobileNetV2. Dichos modelos fueron entrenados y validados sobre un conjunto de 2933 imágenes recopiladas y combinadas en proporciones de 80% para entrenamiento, 10% para validación y 10% para prueba. Los resultados obtenidos evidenciaron que MobileNetV2 obtuvo el mejor desempeño cuyos resultados son 94.52% de precisión, 94.20% de recall, 94.20% de exactitud y un 94.83% de F1-score demostrando que las redes neuronales convolucionales son capaces identificar de forma rápida y confiables las principales enfermedades entrenadas a partir de imágenes.