Identificación no supervisada de zona más relevante en radiografía para la detección de COVID

Vista sencilla de ítem
dc.contributor.advisorPeralta Márquez, Billy
dc.contributor.authorMartínez Quintanilla, José Luis
dc.contributor.editorFacultad de Ingeniería
dc.date.accessioned2021-03-25T21:57:49Z
dc.date.available2021-03-25T21:57:49Z
dc.date.issued2021
dc.descriptionTesis (Ingeniero Civil Informático)es
dc.description.abstractDesde principios del año 2020 el diagnóstico del virus COVID-19 es un problema de vital importancia que ha afectado la vida de millones de personas a lo largo de todo el mundo debido a que, en muchos casos, este se realiza con mucha lentitud, con un tiempo estimado que varía entre 1 y 5 días. Una forma eficiente y rápida de detectar la presencia, tanto del virus COVID-19 como también la presencia de otras enfermedades, es utilizando Inteligencia Artificial aplicada a las imágenes obtenidas en la toma de radiografía de pulmones. Actualmente, esta detección IA de COVID-19 considera la imagen completa, pero no detecta la parte que más aporta a la presencia de esta, la cual podría variar entre personas. Nosotros proponemos usar un algoritmo basado en aprendizaje profundo para aprender a reconocer la zona más relevante para detectar COVID-19 basadas en regiones de imagen y sin supervisión humana.es
dc.description.abstractSince the beginning of 2020, the diagnostic of the COVID-19 virus has been a problem of vitally importance that has affected the lives of millions of people throughout the world because, in many cases, it is done very slowly, with an estimated time that varies between 1 and 5 days. An efficient and fastest way to detect the presence of both the COVID-19 virus as well as the presence of other diseases is by using Artificial Intelligence applied to the images obtained from taking a lung X-ray. Currently, this AI detection of COVID-19 considers the complete image, but does not detect the part that contributes the most to its presence, which could vary between people.
dc.identifier.urihttp://repositorio.unab.cl/xmlui/handle/ria/18326
dc.language.isoeses
dc.publisherUniversidad Andrés Belloes
dc.subjectInteligencia Artificiales
dc.subjectRedes Neurales (Ciencia de la Computación)es
dc.subjectCOVID-19 (Enfermedad)es
dc.titleIdentificación no supervisada de zona más relevante en radiografía para la detección de COVIDes
dc.typeTesises
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
a131792_Martinez_J_Identificacion_no_supervisada_de_zona_2021_Tesis.pdf
Tamaño:
16.32 MB
Formato:
Adobe Portable Document Format
Descripción:
TEXTO COMPLETO EN ESPAÑOL
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
FIng - Trabajos de Titulación Pre-Grado