Detección de Giardia duodenalis en microfotografías de muestras fecales utilizando redes neuronales convolucionales

• Autores: Altamirano Chavez, Dilmer, Villanueva Rojas, Angel Obed
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/15365
• Enlace del recurso: https://hdl.handle.net/20.500.12802/15365
• Nivel de acceso: acceso abierto
• Materia: Redes neuronales convolucionales; Giardia duodenalis; Faster R-CNN; YOLO; MobileNet; https://purl.org/pe-repo/ocde/ford#3.02.27

La giardasis causada por la Giardia duodenalis tiene una prevalencia preocupante especialmente entre la población infantil, por lo cual la finalidad de esta investigación es evaluar si un modelo basado en redes neuronales convolucionales presenta una precisión diagnóstica comparable al método de microscopía óptica para la detección de Giardia duodenalis en microfotografías. Para ello se construyó un dataset de 3687 microfotografías de muestras con Giardia dudodenalis, las microfotografías fueron preprocesadas, de este dataset se destinó 70% para entrenamiento, y el 30% para validación y prueba, para luego proseguir con el entrenamiento en la plataforma Google Colab donde se graficaron las matrices de confusión y se documentó todo el proceso. Los resultados mostraron que los modelos seleccionados basado en CNN son equiparables a la microscopía óptica el cual tiene una precisión alrededor del 89% dependiendo de la experiencia del especialista, mientras YOLO11s alcanzó (97.6%), Faster R-CNN (90.3%) y MobileNetv3 (99.3%), destacando que esté último sólo predice la presencia o ausencia de Giardia duodenalis en la imagen completa. En conclusión, el estudio permitió determinar que los modelos basados en CCN son equiparables a la microscopía óptica, y el uso uno u otro modelo dependerá de la capacidad tecnológica donde se vaya a implementar.