Show simple item record

dc.contributor.authorPerrilliat García, Ian
dc.contributor.authorGámez Guerrero, Marco Antonio
dc.contributor.authorRocha Nava, Sandra Luz
dc.date.issued2020
dc.identifier.citationPerrilliat, I. Gámez, M. A. y Rocha, S. L. (2020). Sistema auxiliar para el diagnóstico de COVID-19 mediante el análisis de imágenes de CR torácica basado en Deep Learning. Memorias del Concurso Lasallista de Investigación, Desarrollo e Innovación, 1(7), 16.es_MX
dc.identifier.issn2448-5160
dc.identifier.urihttps://repositorio.lasalle.mx/handle/lasalle/2216
dc.description.abstractLa COVID-19 es la enfermedad causada por el coronavirus, SARS-CoV-2, descubierto en Wuhan, China, a finales de 2019, la cual originó una pandemia que afecta hoy en día a todo el mundo. En este sentido, los sistemas de salud se encuentran bajo constante presión, por lo que la necesidad de establecer nuevos protocolos y herramientas más eficientes para acortar los tiempos de diagnóstico y tratamiento; resultan evidentes. La COVID-19 puede ser diagnosticada por pruebas moleculares, como lo es la Reacción en Cadena de la Polimerasa con Transcriptasa Inversa (PCR, por sus siglas en inglés) con una entrega de resultados que puede tardar hasta 2 días, o por imágenes médicas, como lo son la Radiografía Computarizada (CR, por sus siglas en inglés) y la Tomografía Computarizada (CT, por sus siglas en inglés). En este sentido, el diagnóstico por Radiografía Computarizada cuenta con algunas ventajas para ser tomado en cuenta para la detección oportuna del COVID-19, ya que los resultados de este estudio se realizan en un tiempo menor a comparación de otros. En este trabajo, se presentan los resultados de la aplicación de redes neuronales convolucionales para el desarrollo de un sistema capaz de clasificar imágenes de Radiografías Computarizadas torácicas de pacientes sanos y diagnosticados con COVID-19, al utilizar una base de datos recopilada por la Universidad de Menufia en Egipto y validada por Mendeley Data, con una precisión de clasificación global mayor al 94 % a partir del uso de una base de datos de 2000 imágenes. Al utilizar la validación cruzada de K = 10 iteraciones, el sistema presenta una validación de 99.33 %. Así mismo, se muestra el desarrollo de una aplicación web con la finalidad de facilitar la manipulación del sistema auxiliar por parte del usuario final y apoyar el diagnóstico de las Radiografías Computarizadas torácicas para la entrega ágil y oportuna de resultados al paciente. De igual forma, se pretende validar el sistema auxiliar desarrollado con alguna clínica o institución de salud, con el objetivo de determinar su funcionamiento con una base de datos de pacientes mexicanos y mejorar la eficiencia de estees_MX
dc.formatpdfes_MX
dc.language.isospaes_MX
dc.publisherUniversidad La Salle, Dirección de Posgrado e Investigaciónes_MX
dc.rightsAcceso abiertoes_MX
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0es_MX
dc.subjectAnálisis de imágeneses_MX
dc.subjectImágenes de CR torácicaes_MX
dc.subjectDiagnóstico de COVID-19es_MX
dc.subjectCOVID-19es_MX
dc.subject.classificationINGENIERÍA Y TECNOLOGÍA::CIENCIAS TECNOLÓGICAS::TECNOLOGÍA MÉDICA::INSTRUMENTOS MÉDICOSes_MX
dc.subject.otherIngeniería biomédicaes_MX
dc.subject.otherMedicinaes_MX
dc.titleSistema auxiliar para el diagnóstico de COVID-19 mediante el análisis de imágenes de CR torácica basado en Deep Learninges_MX
dc.typearticlees_MX
dc.identificator7||33||3314||331110es_MX
dc.audiencegeneralPublices_MX


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Acceso abierto
Except where otherwise noted, this item's license is described as Acceso abierto