Look-up in Google Scholar
Full metadata record
Castro Gutierrez, Eveling Gloria
Pacompia Machaca, Mila Yoselyn
Mayta Rosas, Milagros Lizet
2021-10-18T12:25:16Z
2021-10-18T12:25:16Z
2021
http://hdl.handle.net/20.500.12773/13089
Las enfermedades parasitarias gastrointestinales representan un problema latente en los países en desarrollo; es necesario crear herramientas de apoyo para el diagnóstico médico de estas enfermedades, se requiere automatizar tareas como la clasificación de muestras de los parásitos causantes obtenidas a través del microscopio utilizando métodos como el aprendizaje profundo. Sin embargo, estos métodos requieren grandes cantidades de datos. Actualmente, la recolección de estas imágenes representa un procedimiento complejo, importante consumo de recursos y largos períodos. Por tanto, es necesario proponer una solución computacional a este problema. En este trabajo se presenta un enfoque para generar conjuntos de imágenes sintéticas de 8 especies de parásitos, utilizando Redes Generativas Adversarias Convolucionales Profundas (DCGAN). Además, buscando mejores resultados, se aplicaron técnicas de mejora de imagen. Estos conjuntos de datos sintéticos (SD) fueron evaluados en una serie de combinaciones con los conjuntos de datos reales (RD) utilizando la tarea de clasificación, donde la mayor exactitud se obtuvo con el modelo Resnet50 pre-entrenado (99,2%), mostrando que el aumento de la RD con SD obtenido de DCGAN ayuda a lograr una mayor exactitud. (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Nacional de San Agustín de Arequipa (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
http://creativecommons.org/licenses/by-nc-nd/4.0/ (es_PE)
Universidad Nacional de San Agustín de Arequipa (es_PE)
Repositorio Institucional - UNSA (es_PE)
Red Generativa Adversaria (GAN) (es_PE)
Red Generativa Adversaria Convolucional Profunda (DCGAN) (es_PE)
parásitos gastrointestinales (es_PE)
clasificación (es_PE)
aprendizaje profundo (es_PE)
Data augmentation using generative adversarial network for gastrointestinal parasite microscopy image classification (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad Nacional de San Agustín de Arequipa.Facultad de Ingeniería de Producción y Servicios (es_PE)
Ingeniería de Sistemas (es_PE)
Ingenieras de Sistemas (es_PE)
PE (es_PE)
https://purl.org/pe-repo/ocde/ford#1.02.01 (es_PE)
http://purl.org/pe-repo/renati/level#tituloProfesional (es_PE)
29695284
https://orcid.org/0000-0002-0203-041X (es_PE)
72433501
76252183
612076 (es_PE)
Aedo Lopez, Marco Wilfredo
Laura Ochoa, Leticia Marisol
Castro Gutierrez, Eveling Gloria
http://purl.org/pe-repo/renati/type#tesis (es_PE)
Pública



This item is licensed under a Creative Commons License Creative Commons