000 | nam a22 7a 4500 | ||
---|---|---|---|
999 |
_c49515 _d49515 |
||
005 | 20240521115715.0 | ||
008 | 240521e2024 ck o|||fsm||| 00| 0 spa d | ||
040 |
_aCO-NeUS _bspa _erda |
||
041 | _aspa | ||
100 | 1 |
_9158260 _aGutiérrez Gaviria, Jhon Alexander _eaut |
|
245 | 1 | 0 |
_aSistemas de clasificación automática de grados de retinopatía diabética mediante Deep Learning / _cJohn Alexar Gutiérrez Gaviria; Director Vladimir Mosquera Cerquera |
256 | _aDatos electrónicos (1 archivos:2316 MG) | ||
264 | 1 |
_aNeiva: _bUniversidad Surcolombiana, _c2024 |
|
300 |
_a1 CD-ROM (65 páginas); _bdiagramas, fotografías, tablas o cuadros; _c12 cm |
||
336 |
_2rdacontent _atxt _btxt |
||
337 |
_2rdamedia _ac _bcd |
||
338 |
_2rdacarrier _acd _bcd |
||
347 |
_2rda _atexto _bpdf |
||
502 |
_aTesis _bIngeniero Electrónico _cUniversidad Surcolombiana. Facultad de Ingeniería. Ingeniería Electrónica _d2024 |
||
505 | _aIntroducción -- Planteamiento del problema -- Justificación -- Objetivos -- Redes neuronales convolucionales -- retinopatía diabética -- Metodología -- Resultados -- Conclusiones | ||
520 | _a"El fin de este proyecto de grado fue desarrollar una aplicación de software en lenguaje de programación de código abierto Python, que mediante el uso de redes neuronales convolucionales (CNN) posibiliten la detección y clasificación de la Retinopatía Diabética mediante imágenes de fondo de ojo. La red neuronal convolucional adquiere imágenes de la base de datos Kaggle, cada imagen es pre-procesada adecuadamente con la finalidad de resaltar las características más relevantes y redimensionar la imagen a un tamaño de 512x512x3 permitiendo a la CNN un entrenamiento mas eficiente y rápido. La CNN realiza el proceso de extracción de características de las imágenes de fondo de ojo y clasificación de los cinco diferentes grados de Retinopatía Diabética. Se utilizó la métrica de evaluación Kappa Cuadrático Ponderado para medir el desempeño del sistema de aprendizaje. Usando el método de ensayo y error se implementó y entrenó la CNN. Durante la experimentación se agregaron Custom Data Generators para facilitar el entrenamiento de la red e impedir el sobre-entrenamiento de esta. Se obtuvo un nivel de acuerdo con respecto a las etiquetas asignadas por un experto de 78%. De acuerdo con este resultado la red tiene un buen desempeño, indicando que fue capaz de extraer las características fundamentales para la clasificación de la enfermedad crónica retinopatía diabética." | ||
700 | 1 |
_968938 _aMosquera Cerquera, Vladimir, _edrt |
|
082 | 0 | 4 |
_221 _aTh IE 415 |
650 | 0 |
_9147015 _aIngeniería Electrónica _xInteligencia artificial |
|
650 | 0 |
_9158264 _aVisión por computador _xRedes neuronales convulucionales |
|
942 |
_2Local _cCD _hTh IE 415 _kTh |