Show simple item record

dc.contributor.advisorApaza Tarqui, Alejandroes_PE
dc.contributor.authorHuanco Ramos, Fideles_PE
dc.date.accessioned2024-01-29T23:33:09Z
dc.date.available2024-01-29T23:33:09Z
dc.date.issued2023-10-27
dc.identifier.urihttps://repositorio.unap.edu.pe/handle/20.500.14082/21522
dc.description.abstractLa pandemia, conocida como COVID-19, ha preocupado al mundo entero desde diciembre de 2019. Hasta la fecha, ha tenido un impacto en los pacientes. En la lucha contra esta enfermedad, que ocasiona la neumonía y provoca síntomas desde tos seca hasta fiebre, se requieren con urgencia herramientas que faciliten a los expertos un diagnóstico eficiente para identificar pacientes infectados con COVID-19. El estudio tiene como objetivo determinar el modelo de proceso diagnóstico del COVID-19 mediante la aplicación de técnicas de deep learning a partir de imágenes de rayos X del tórax de los pulmones de los pacientes. Por medio de la radiografía de tórax se obtienen las 21165 imágenes de pacientes y se seleccionan las infectadas con COVID-19; posteriormente, se lleva a cabo el preprocesamiento y procesamiento, utilizando modelos de redes neuronales convolucionales como VGG19, DenseNet169, ResNet101 y EfficientNetB0. Asimismo, se evalúa y compara el rendimiento de los algoritmos mediante matrices de confusión. Se han codificado utilizando el lenguaje de programación Python. El resultado de desempeño más efectivo entre los cuatro modelos evaluados fue EfficientNetB0, con un 99.130% de exactitud y un 99% de precisión en la implementación del algoritmo.es_PE
dc.formatapplication/pdfes_PE
dc.language.isospaes_PE
dc.publisherUniversidad Nacional del Altiplano. Repositorio Institucional - UNAPes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/deed.eses_PE
dc.subjectAprendizaje profundoes_PE
dc.subjectCOVID-19es_PE
dc.subjectImágenes de rayos X de tóraxes_PE
dc.subjectNeumoníaes_PE
dc.subjectRedes neuronales convolucionaleses_PE
dc.titleModelo de identificación de Covid 19 usando técnicas de deep learning a partir de imágenes de Rayos X de Torax de los pulmones de los pacienteses_PE
dc.typeinfo:eu-repo/semantics/doctoralThesises_PE
thesis.degree.nameDoctor en Ciencias de la Computaciónes_PE
thesis.degree.disciplineCiencias de la Computaciónes_PE
thesis.degree.grantorUniversidad Nacional del Altiplano. Escuela de Posgradoes_PE
thesis.degree.levelDoctoradoes_PE
dc.type.versioninfo:eu-repo/semantics/publishedVersiones_PE
dc.publisher.countryPEes_PE
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#1.02.01es_PE
renati.advisor.orcidhttps://orcid.org/0000-0003-1622-8862es_PE
renati.typehttps://purl.org/pe-repo/renati/type#tesises_PE
renati.levelhttps://purl.org/pe-repo/renati/nivel#doctores_PE
renati.discipline611028es_PE
renati.jurorVargas Valverde, Confesor Milanes_PE
renati.jurorJuarez Vargas, Juan Carloses_PE
renati.jurorLaura Murillo, Ramiro Pedroes_PE
renati.author.dni41096184
renati.advisor.dni00522280


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess