Diseño de un modelo predictivo para la detección temprana de la neumonía utilizando deep learning y visión computacional
Descripción del Articulo
El presente trabajo de investigación tiene como objetivo general diseñar un modelo predictivo para la detección temprana de la neumonía utilizando deep learning y visión computacional, alineando los objetivos estratégicos para lograr conseguirlo y brindar un apoyo al sector salud. Para el planteamie...
| Autores: | , |
|---|---|
| Formato: | tesis de grado |
| Fecha de Publicación: | 2020 |
| Institución: | Universidad Tecnológica del Perú |
| Repositorio: | UTP-Institucional |
| Lenguaje: | español |
| OAI Identifier: | oai:repositorio.utp.edu.pe:20.500.12867/3970 |
| Enlace del recurso: | https://hdl.handle.net/20.500.12867/3970 |
| Nivel de acceso: | acceso abierto |
| Materia: | Modelo predictivo Prevención de enfermedades Aprendizaje automático Visión computacional https://purl.org/pe-repo/ocde/ford#2.02.04 |
| id |
UTPD_8783834dd2ec4c0dd39207b9961840d3 |
|---|---|
| oai_identifier_str |
oai:repositorio.utp.edu.pe:20.500.12867/3970 |
| network_acronym_str |
UTPD |
| network_name_str |
UTP-Institucional |
| repository_id_str |
4782 |
| dc.title.es_PE.fl_str_mv |
Diseño de un modelo predictivo para la detección temprana de la neumonía utilizando deep learning y visión computacional |
| title |
Diseño de un modelo predictivo para la detección temprana de la neumonía utilizando deep learning y visión computacional |
| spellingShingle |
Diseño de un modelo predictivo para la detección temprana de la neumonía utilizando deep learning y visión computacional Aguilar Guizado, Jack James Modelo predictivo Prevención de enfermedades Aprendizaje automático Visión computacional https://purl.org/pe-repo/ocde/ford#2.02.04 |
| title_short |
Diseño de un modelo predictivo para la detección temprana de la neumonía utilizando deep learning y visión computacional |
| title_full |
Diseño de un modelo predictivo para la detección temprana de la neumonía utilizando deep learning y visión computacional |
| title_fullStr |
Diseño de un modelo predictivo para la detección temprana de la neumonía utilizando deep learning y visión computacional |
| title_full_unstemmed |
Diseño de un modelo predictivo para la detección temprana de la neumonía utilizando deep learning y visión computacional |
| title_sort |
Diseño de un modelo predictivo para la detección temprana de la neumonía utilizando deep learning y visión computacional |
| author |
Aguilar Guizado, Jack James |
| author_facet |
Aguilar Guizado, Jack James Sotelo Herrera, César Augusto |
| author_role |
author |
| author2 |
Sotelo Herrera, César Augusto |
| author2_role |
author |
| dc.contributor.advisor.fl_str_mv |
Mamani Ticona, Wilfredo |
| dc.contributor.author.fl_str_mv |
Aguilar Guizado, Jack James Sotelo Herrera, César Augusto |
| dc.subject.es_PE.fl_str_mv |
Modelo predictivo Prevención de enfermedades Aprendizaje automático Visión computacional |
| topic |
Modelo predictivo Prevención de enfermedades Aprendizaje automático Visión computacional https://purl.org/pe-repo/ocde/ford#2.02.04 |
| dc.subject.ocde.es_PE.fl_str_mv |
https://purl.org/pe-repo/ocde/ford#2.02.04 |
| description |
El presente trabajo de investigación tiene como objetivo general diseñar un modelo predictivo para la detección temprana de la neumonía utilizando deep learning y visión computacional, alineando los objetivos estratégicos para lograr conseguirlo y brindar un apoyo al sector salud. Para el planteamiento del problema, se realizaron investigaciones para poder entender el déficit en el que se encuentra el sector salud y la gran ayuda de las redes neuronales en la actualidad, que si son correctamente entrenadas pueden ayudar a brindar mayor precisión en la detección de la neumonía en una fase temprana. En el estudio de antecedentes internacionales de diferentes bases de datos de renombre científico, diferentes autores consideran el uso de las redes neuronales como principal herramienta para aplicarlo en el sector salud, una red neuronal correctamente entrenada brinda resultados con un alto índice de precisión, lo cual brinda una herramienta adicional para poder detectar la neumonía en una fase temprana. La metodología que se optó de la investigación “A Novel Transfer Learning Based Approach for Pneumonia Detection in Chest X-ray Images” realizada por el autor Chouhan, debido a los resultados en las investigaciones del autor brindan mejores valores en precisión en la detección de la neumonía, de acuerdo a la ponderación realizada basados en diversos trabajos de investigación. La importancia de un correcto uso de las redes neuronales en la medicina tiene una gran ventaja en el tratamiento temprano de diversas enfermedades. En conclusión, el diseñar un modelo predictivo para la detección temprana de la neumonía utilizando Deep Learning y Visión Computacional, ha permitido a esta investigación contribuir con una herramienta que sirva como apoyo para el diagnóstico de esta enfermedad y reduzca la alta tasa de mortandad que existe a nivel nacional e internacional. |
| publishDate |
2020 |
| dc.date.accessioned.none.fl_str_mv |
2021-04-12T17:40:36Z |
| dc.date.available.none.fl_str_mv |
2021-04-12T17:40:36Z |
| dc.date.issued.fl_str_mv |
2020 |
| dc.type.es_PE.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.version.es_PE.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| format |
bachelorThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12867/3970 |
| url |
https://hdl.handle.net/20.500.12867/3970 |
| dc.language.iso.es_PE.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartof.fl_str_mv |
SUNEDU |
| dc.rights.es_PE.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.uri.es_PE.fl_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.format.es_PE.fl_str_mv |
application/pdf |
| dc.publisher.es_PE.fl_str_mv |
Universidad Tecnológica del Perú |
| dc.publisher.country.es_PE.fl_str_mv |
PE |
| dc.source.es_PE.fl_str_mv |
Repositorio Institucional - UTP Universidad Tecnológica del Perú |
| dc.source.none.fl_str_mv |
reponame:UTP-Institucional instname:Universidad Tecnológica del Perú instacron:UTP |
| instname_str |
Universidad Tecnológica del Perú |
| instacron_str |
UTP |
| institution |
UTP |
| reponame_str |
UTP-Institucional |
| collection |
UTP-Institucional |
| bitstream.url.fl_str_mv |
http://repositorio.utp.edu.pe/bitstream/20.500.12867/3970/2/license.txt http://repositorio.utp.edu.pe/bitstream/20.500.12867/3970/3/Jack%20Aguilar_Cesar%20Sotelo_Trabajo%20de%20Investigacion_Bachiller_2020_2.pdf http://repositorio.utp.edu.pe/bitstream/20.500.12867/3970/6/Jack%20Aguilar_Cesar%20Sotelo_Trabajo%20de%20Investigacion_Bachiller_2020_2.pdf.txt http://repositorio.utp.edu.pe/bitstream/20.500.12867/3970/7/Jack%20Aguilar_Cesar%20Sotelo_Trabajo%20de%20Investigacion_Bachiller_2020_2.pdf.jpg |
| bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 97468d5cc8652abde52a63fe320e4e02 79a98a84bf966e48e830c2503cc8e142 3c4f0b3873868f8941d70fec1d10891d |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional de la Universidad Tecnológica del Perú |
| repository.mail.fl_str_mv |
repositorio@utp.edu.pe |
| _version_ |
1817984834261221376 |
| spelling |
Mamani Ticona, WilfredoAguilar Guizado, Jack JamesSotelo Herrera, César Augusto2021-04-12T17:40:36Z2021-04-12T17:40:36Z2020https://hdl.handle.net/20.500.12867/3970El presente trabajo de investigación tiene como objetivo general diseñar un modelo predictivo para la detección temprana de la neumonía utilizando deep learning y visión computacional, alineando los objetivos estratégicos para lograr conseguirlo y brindar un apoyo al sector salud. Para el planteamiento del problema, se realizaron investigaciones para poder entender el déficit en el que se encuentra el sector salud y la gran ayuda de las redes neuronales en la actualidad, que si son correctamente entrenadas pueden ayudar a brindar mayor precisión en la detección de la neumonía en una fase temprana. En el estudio de antecedentes internacionales de diferentes bases de datos de renombre científico, diferentes autores consideran el uso de las redes neuronales como principal herramienta para aplicarlo en el sector salud, una red neuronal correctamente entrenada brinda resultados con un alto índice de precisión, lo cual brinda una herramienta adicional para poder detectar la neumonía en una fase temprana. La metodología que se optó de la investigación “A Novel Transfer Learning Based Approach for Pneumonia Detection in Chest X-ray Images” realizada por el autor Chouhan, debido a los resultados en las investigaciones del autor brindan mejores valores en precisión en la detección de la neumonía, de acuerdo a la ponderación realizada basados en diversos trabajos de investigación. La importancia de un correcto uso de las redes neuronales en la medicina tiene una gran ventaja en el tratamiento temprano de diversas enfermedades. En conclusión, el diseñar un modelo predictivo para la detección temprana de la neumonía utilizando Deep Learning y Visión Computacional, ha permitido a esta investigación contribuir con una herramienta que sirva como apoyo para el diagnóstico de esta enfermedad y reduzca la alta tasa de mortandad que existe a nivel nacional e internacional.The present research work has the general objective of designing a predictive model for the early detection of pneumonia using deep learning and computational vision, aligning the strategic objectives to achieve this and provide support to the health sector. For the problem statement, research was carried out to understand the deficit in the health sector and the great help of neural networks today, which if properly trained can help provide greater precision in detecting pneumonia at an early stage. In the study of international antecedents of different databases of scientific renown, different authors consider the use of neural networks as the main tool to apply it in the health sector, a properly trained neural network provides results with a high precision index, which provides an additional tool to detect pneumonia at an early stage. The methodology chosen from the research “A Novel Transfer Learning Based Approach for Pneumonia Detection in Chest X-ray Images” carried out by the author Chouhan, due to the results in the author's research, provide better values in precision in the detection of the pneumonia, according to the weighting made based on various research works. The importance of a correct use of neural networks in medicine has a great advantage in the early treatment of various diseases. In conclusion, designing a predictive model for the early detection of pneumonia using Deep Learning and Computational Vision, has allowed this research to contribute with a tool that serves to support the diagnosis of this disease and reduce the high mortality rate that exists. At national and international level.application/pdfspaUniversidad Tecnológica del PerúPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Repositorio Institucional - UTPUniversidad Tecnológica del Perúreponame:UTP-Institucionalinstname:Universidad Tecnológica del Perúinstacron:UTPModelo predictivoPrevención de enfermedadesAprendizaje automáticoVisión computacionalhttps://purl.org/pe-repo/ocde/ford#2.02.04Diseño de un modelo predictivo para la detección temprana de la neumonía utilizando deep learning y visión computacionalinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionSUNEDUBachiller en Ingeniería de Sistemas e InformáticaUniversidad Tecnológica del Perú. Facultad de IngenieríaIngeniería de Sistemas e Informática4041077943266836612156http://purl.org/pe-repo/renati/level#bachillerhttp://purl.org/pe-repo/renati/type#trabajoDeInvestigacionLICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.utp.edu.pe/bitstream/20.500.12867/3970/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALJack Aguilar_Cesar Sotelo_Trabajo de Investigacion_Bachiller_2020_2.pdfJack Aguilar_Cesar Sotelo_Trabajo de Investigacion_Bachiller_2020_2.pdfapplication/pdf9287648http://repositorio.utp.edu.pe/bitstream/20.500.12867/3970/3/Jack%20Aguilar_Cesar%20Sotelo_Trabajo%20de%20Investigacion_Bachiller_2020_2.pdf97468d5cc8652abde52a63fe320e4e02MD53TEXTJack Aguilar_Cesar Sotelo_Trabajo de Investigacion_Bachiller_2020_2.pdf.txtJack Aguilar_Cesar Sotelo_Trabajo de Investigacion_Bachiller_2020_2.pdf.txtExtracted texttext/plain238290http://repositorio.utp.edu.pe/bitstream/20.500.12867/3970/6/Jack%20Aguilar_Cesar%20Sotelo_Trabajo%20de%20Investigacion_Bachiller_2020_2.pdf.txt79a98a84bf966e48e830c2503cc8e142MD56THUMBNAILJack Aguilar_Cesar Sotelo_Trabajo de Investigacion_Bachiller_2020_2.pdf.jpgJack Aguilar_Cesar Sotelo_Trabajo de Investigacion_Bachiller_2020_2.pdf.jpgGenerated Thumbnailimage/jpeg12887http://repositorio.utp.edu.pe/bitstream/20.500.12867/3970/7/Jack%20Aguilar_Cesar%20Sotelo_Trabajo%20de%20Investigacion_Bachiller_2020_2.pdf.jpg3c4f0b3873868f8941d70fec1d10891dMD5720.500.12867/3970oai:repositorio.utp.edu.pe:20.500.12867/39702021-11-18 02:31:25.034Repositorio Institucional de la Universidad Tecnológica del Perúrepositorio@utp.edu.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 |
| score |
13.983407 |
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).