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