Repository logo
 

Predicción de deformidades de la columna vertebral en imágenes de neurorradiología aplicando aprendizaje por transferencia profunda

Simple item page
dc.campusUnitec San Pedro Sula
dc.catalogadorGenesis Adriana Gutiérrez
dc.collectionTrabajo de Investigación
dc.contributor.advisorKarla Reyes
dc.contributor.authorAriana Alejandra Andrews Interiano
dc.contributor.authorManuel Alejandro Martínez Palma
dc.coverageSan Pedro Sula, Cortés, Honduras
dc.date.accessioned2026-04-15T20:40:06Z
dc.date.available2026-04-15T20:40:06Z
dc.date.issued2026-04-03
dc.description.abstractLa columna vertebral es la estructura que brinda soporte, protección y ayuda a la movilización del ser humano. Existen deformaciones de la columna vertebral como la escoliosis y la espondilolistesis que llegan a causar malestares en el paciente. Es por ello, que la detección temprana de estas deformidades por medio de imágenes radiológicas es de suma importancia para prevenir el desarrollo de estas. Hoy en día, existen sistemas que utilizan inteligencia artificial para realizar el proceso de clasificación de manera eficiente. En este caso, se utilizó el aprendizaje de transferencia profunda con modelos pre-entrenados para clasificar las imágenes radiográficas en tres diferentes clases (sin escoliosis, escoliosis y espondilolistesis). La investigación contó con un enfoque cuantitativo, alcance exploratorio y diseño experimental. Por otro lado, la metodología implementada fue la iterativa a través de cuatro incrementos. El primer incremento se enfocó en realizar pruebas y ajuste fino para los modelos MobileNetV3-Small, MobileNetV3-Large y EfficientNetV2B0. En el segundo incremento se realizaron pruebas y ajuste fino en los modelos EfficientNetV2B1, EfficientNetV2B2 e InceptionResNetV2. En el tercer incremento, se realizó una base de datos con imágenes médicas de pacientes hondureños. En el cuarto incremento, se realizaron predicciones con los modelos que mejor se desempeñaron. Como consecuencia, se identificó que en el primer incremento se logró una exactitud media de 97.01% y en el segundo incremento se alcanzó una exactitud media de 98.01% en los modelos evaluados. Se consolidó la creación de una base de datos local para su implementación en futuras líneas de investigación y se validó el algoritmo de clasificación mediante predicciones de imágenes radiográficas de pacientes hondureños.
dc.disciplineIngeniería y TI/ Engineering & IT
dc.facultyFacultad de Ingeniería
dc.finalwork.creationdate11/01/2023
dc.formatPDF
dc.identifier.urihttps://repositorio.unitec.edu//handle/123456789/14347
dc.language.isoes
dc.publisherUniversidad Tecnológica Centroamericana UNITEC
dc.rightsAttribution-NonCommercial-ShareAlike 4.0 International.
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0
dc.sourceUniversidad Tecnológica Centroamericana UNITEC
dc.subjectEscoliosis
dc.subjectEspondilolistesis
dc.subjectExactitud
dc.subjectNeurocirugía
dc.subjectRadiología
dc.subject.ddc616.0757 A567
dc.thesis.degreelevelGrado
dc.thesis.degreenameIngeniería en Biomédica / I-10
dc.titlePredicción de deformidades de la columna vertebral en imágenes de neurorradiología aplicando aprendizaje por transferencia profunda
dc.typeThesis

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Predicción de deformidades de la columna vertebral en imágenes de neurorradiología aplicando aprendizaje por transferencia profunda.pdf
Size:
60.05 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Trabajo de Investigación