Citas bibligráficas
Esta es una referencia generada automáticamente. Modifíquela de ser necesario
Cabrejos, V., (2022). Las Redes Neuronales Convolucionales y la mejora en el diagnóstico de Neumonía – área de Radiología [Universidad Ricardo Palma]. https://hdl.handle.net/20.500.14138/5267
Cabrejos, V., Las Redes Neuronales Convolucionales y la mejora en el diagnóstico de Neumonía – área de Radiología []. PE: Universidad Ricardo Palma; 2022. https://hdl.handle.net/20.500.14138/5267
@mastersthesis{renati/655378,
title = "Las Redes Neuronales Convolucionales y la mejora en el diagnóstico de Neumonía – área de Radiología",
author = "Cabrejos Yalán, Víctor Manuel",
publisher = "Universidad Ricardo Palma",
year = "2022"
}
Título: Las Redes Neuronales Convolucionales y la mejora en el diagnóstico de Neumonía – área de Radiología
Autor(es): Cabrejos Yalán, Víctor Manuel
Asesor(es): Saito Silva, Carlos Agustín
Palabras clave: Redes Neuronales Convolucionales; Deep Learning; Inteligencia Artificial; Diagnóstico de Neumonía; Radiología automática
Campo OCDE: https://purl.org/pe-repo/ocde/ford#1.02.00
Fecha de publicación: 2022
Institución: Universidad Ricardo Palma
Resumen: La neumonía es la infección que produce un mayor número de ingresos hospitalarios,
siendo responsable del 15% de todas las defunciones de menores de 5 años a nivel
mundial (UNICEF, 2019). Es una enfermedad compleja de diagnosticar debido a que
puede ser causado por diferentes agentes infecciosos. De contraer neumonía, el tipo
tratamiento seleccionado dependerá de la diagnosis, y por lo tanto la precisión del
diagnóstico es de alta criticidad. Además, actualmente la muerte en niños con neumonía
puede ocurrir en tan solo 2 días después del inicio de la enfermedad, eso hace que la
velocidad de la detección sea también altamente importante para poder salvar vidas.
Un diagnóstico de neumonía típicamente requiere de la revisión de placas radiográficas
torácicas. El radiólogo o médico, basado en su experiencia, visualmente trata de localizar
anormalidades en las imágenes. Algunos centros de salud han implementado un sistema
que automatiza este proceso, pero obteniendo variables resultados de precisión.
En esta investigación después de hacer un análisis exhaustivo se ha automatizado el
proceso de diagnóstico mediante la implementación de un sistema basado en Inteligencia
Artificial. Este sistema tiene tres motores cognitivos basados tres algoritmos del estado
del arte de redes neuronales convolucionales para obtener una mayor precisión y a su vez
reducir el tiempo de diagnóstico de neumonía.
Este sistema además fue desplegado a través de una aplicación web que permite visualizar
(en el caso de múltiples pacientes) los porcentajes de probabilidad de padecer neumonía
por cada imagen, esta información adicional permite al médico en tomar la más apropiada
decisión en el tratamiento de los pacientes. Como resultado se logró disminuir el número
de diagnosis incorrectas en un 80% utilizando el mejor algoritmo basado en la
arquitectura de redes neuronales Alexnet, y se logró reducir los tiempos de espera de los
pacientes en un 32%.
Enlace al repositorio: https://hdl.handle.net/20.500.14138/5267
Disciplina académico-profesional: Maestría en Ingeniería Informática con mención en Ingeniería de Software
Institución que otorga el grado o título: Universidad Ricardo Palma. Escuela de Posgrado
Grado o título: Maestro en Ingeniería Informática con mención en Ingeniería de Software
Jurado: Wong Portillo, Lenis Rossi; Janjachi Toribio, Carlos Alberto; Jara Villavicencio, Octavio V.; Suarez Avelino, Olga
Fecha de registro: 20-jun-2022
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons