Please use this identifier to cite or link to this item:
https://accedacris.ulpgc.es/handle/10553/113321
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Fernández López, Pablo Carmelo | es |
dc.contributor.advisor | Suárez Araujo, Carmen Paz | es |
dc.contributor.author | Arrocha Quevedo, Samuel | es |
dc.date.accessioned | 2022-01-16T21:03:02Z | - |
dc.date.available | 2022-01-16T21:03:02Z | - |
dc.date.issued | 2022 | - |
dc.identifier.other | Gestión académica | - |
dc.identifier.uri | https://accedacris.ulpgc.es/handle/10553/113321 | - |
dc.description.abstract | Desde que la COVID-19 se convirtió en pandemia, supuso una emergencia sanitaria mundial. Urge detectarla tempranamente. Proponemos Sistemas Inteligentes (SI), basados en Redes Neuronales Convolucionales (CNN), para detección temprana de la COVID-19 mediante Radiografías (RX) y Tomografías Computerizadas (TC). Para la experimentación se aplican dos datasets, "covid-chestxray-dataset" [1] para las RX y "COVID-CT" para las TC [2]. Se desarrollan y analizan dos modelos. El modelo RX alcanza una precisión de 95% y una sensibilidad de 96%, mientras que para el desarrollado con TC, la precisión lograda es de 96% y la sensibilidad de 96%. Se concluye la capacidad de las CNN en la ayuda al diagnóstico COVID-19 y las RX y TC como pruebas diagnósticas. | en_US |
dc.language | spa | en_US |
dc.subject | 120317 Informática | en_US |
dc.title | Hacia un Sistema Inteligente de ayuda al diagnóstico de la COVID-19 mediante imágenes de Radiografías y/o Tomografías por Computador de la zona pulmonar y vías respiratorias de los pacientes | es |
dc.type | info:eu-repo/semantics/bachelorThesis | en_US |
dc.type | BachelorThesis | en_US |
dc.contributor.departamento | Departamento de Informática y Sistemas | es |
dc.contributor.facultad | Escuela de Ingeniería Informática | en_US |
dc.investigacion | Ingeniería y Arquitectura | en_US |
dc.type2 | Trabajo final de grado | en_US |
dc.utils.revision | Sí | en_US |
dc.identifier.matricula | TFT-63057 | es |
dc.identifier.ulpgc | Sí | en_US |
dc.contributor.buulpgc | BU-INF | es |
dc.contributor.titulacion | Grado en Ingeniería Informática | es |
item.fulltext | Con texto completo | - |
item.grantfulltext | open | - |
crisitem.advisor.dept | GIR IUCES: Computación inteligente, percepción y big data | - |
crisitem.advisor.dept | IU de Cibernética, Empresa y Sociedad (IUCES) | - |
crisitem.advisor.dept | Departamento de Informática y Sistemas | - |
crisitem.advisor.dept | GIR IUCES: Computación inteligente, percepción y big data | - |
crisitem.advisor.dept | IU de Cibernética, Empresa y Sociedad (IUCES) | - |
crisitem.advisor.dept | Departamento de Informática y Sistemas | - |
Appears in Collections: | Trabajo final de grado |
Page view(s)
136
checked on Feb 22, 2025
Download(s)
177
checked on Feb 22, 2025
Google ScholarTM
Check
Share
Export metadata
Items in accedaCRIS are protected by copyright, with all rights reserved, unless otherwise indicated.