Título: Detección de displasia del desarrollo de cadera por radiografía pélvica en infantes de 03 a 06 meses de edad usando aprendizaje profundo
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.02.04
Fecha de publicación: 2024
Institución: Universidad Nacional Mayor de San Marcos
Resumen: En este proyecto de
tesis, el objetivo es usar técnicas de aprendizaje profundo para la detección
de la displasia de cadera en infantes de tres a seis meses de edad usando
radiografías de rayos x de la cadera. El modelo propuesto es un modelo
híbrido que combina las capas de un Red Neuronal Convolucional entrenada
con un vector de características, y un modelo con la arquitectura ResNet 50.
Para comparar el modelo propuesto, se entrenaron también modelos de
aprendizaje de máquina como el árbol de decisión y la máquina de vectores
de soporte. De forma similar, los resultados del modelo propuesto se
compararon con los resultados de una Red Neuronal Convolucional simple.
Por otro lado, para resolver el problema de escasez de datos, común en
aplicaciones médicas, el modelo propuesto fue entrenado con datos
generados por la combinación de transformaciones geométricas y una Red
Generativa Adversaria. Los resultados finales muestran que el sistema
propuesto presenta una precisión de 97.50%, una sensibilidad de 95.16% y
una especificidad del 100%. Además, con el fin de exponer el modelo
propuesto, se diseñó y desplegó una aplicación en la nube.
Disciplina académico-profesional: Ingeniería de Sistemas e Informática con mención en Ingeniería de Software
Institución que otorga el grado o título: Universidad Nacional Mayor de San Marcos. Facultad de Ingeniería de Sistemas e Informática. Unidad de Posgrado
Grado o título: Magíster en Ingeniería de Sistemas e Informática con mención en Ingeniería de Software
Jurado: Soto Soto, Luis; Gamarra Moreno, Juan; Luza Montero, Cesar
Fecha de registro: 8-nov-2024