Clasificación de la viruela del mono mediante aprendizaje profundo y técnicas de procesamiento de imágenes

• Autores: Alcantara Calderon, Gianmarco, Arica Guerrero, Lauren David
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/13440
• Enlace del recurso: https://hdl.handle.net/20.500.12802/13440
• Nivel de acceso: acceso abierto
• Materia: Viruela del mono; Aprendizaje profundo; Modelos; Clasificadores; https://purl.org/pe-repo/ocde/ford#2.02.04

El brote de la viruela del mono es una enfermedad causada por el virus Orthopox, es el más cercano al virus de la viruela, cuyos contagios siguen aumentando a nivel mundial. La presente investigación busca comparar el desempeño de tres modelos de aprendizaje profundo para clasificar dicha enfermedad. Para ello se empleó un conjunto de datos de un total de 1577 imágenes. Mediante una revisión de la literatura se seleccionaron los modelos de aprendizaje profundo empleados en el estudio, siendo estos una CNN personalizada, VGG16 y ResNet50. Posteriormente se dividió el dataset en 70% para el entrenamiento, 15% para la validación y 15% para la prueba. Los resultados indicaron que el modelo ResNet50 tuvo mejor desempeño con 98.00% en exactitud, 98.50% en precisión, 98.25% en recall y 98.50% en f1-score. Los hallazgos destacan la importancia del aprendizaje profundo para el desarrollo de herramientas diagnosticas, evidenciando la eficacia de ResNet50 para la clasificación de la enfermedad de la virtual del mono.