Por favor, use este identificador para citar o enlazar este ítem:
https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/11700Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.author | Mendoza Ortiz, Carlos Andrés. | - |
| dc.date.accessioned | 2026-10-13T16:54:25Z | - |
| dc.date.available | 2022 | - |
| dc.date.available | 2026-10-13T16:54:25Z | - |
| dc.date.issued | 2022 | - |
| dc.identifier.citation | Mendoza Ortiz, C. A. (2022). Desarrollar una herramienta para la identificación de Cataratas Oculares haciendo uso de técnicas de Inteligencia Artificial (Deep Learning – Machine Learning) [Trabajo de Grado Pregrado, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona. https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/11700 | es_CO |
| dc.identifier.uri | https://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/11700 | - |
| dc.description | Desarrollar una herramienta para identificar cataratas en el ojo para proporcionar un pronóstico para las poblaciones más vulnerables para que los médicos puedan tratar los casos de cataratas de alto riesgo. El problema de la ceguera es una patología nueva en la práctica de los médicos. La ecografía ocular es una técnica ampliamente utilizada para diagnosticar o evaluar diversas enfermedades oculares, especialmente el examen por ecografía Doppler de los vasos oculares se ha convertido en una herramienta muy útil para predecir enfermedades oculares. Esta herramienta le permite predecir y determinar si un paciente tiene cataratas, las imágenes se toman con diferentes marcas de cámaras, los datos se pueden mejorar y entrenar previamente para producir un modelo matemático que le permite clasificar y predecir si se trata de una catarata. La patología se refiere a cataratas, que se implementa como una aplicación web que permite su uso desde cualquier computadora que pueda usar Internet para sus operaciones. | es_CO |
| dc.description.abstract | To develop a tool for the identification of ocular cataracts, in order to provide the most vulnerable populations with a prediction and in a timely manner so that physicians can treat cases with a high risk of developing cataracts. Blindness problems constitute an emerging pathology within the internist's activities. Ocular ultrasound is a widely used technique to diagnose or evaluate different ocular conditions, in particular, the Doppler ultrasound study of the ophthalmic vessels has become a very useful tool in the prediction of ocular diseases. This tool allows to predict and identify if the patient has a diagnosis of cataract, the images are taken by cameras of different brands which could improve the data and perform the previous training to have a mathematical model which allows us to classify and predict if there is a pathology related to the cataract, this was implemented as a web application which allows it to be used from any computer where internet is available for operation. | es_CO |
| dc.format.extent | 79 | es_CO |
| dc.format.mimetype | application/pdf | es_CO |
| dc.language.iso | es | es_CO |
| dc.publisher | Universidad de Pamplona - Facultad de Ingenierías y Arquitectura. | es_CO |
| dc.subject | El autor no proporciona la información sobre este ítem. | es_CO |
| dc.title | Desarrollar una herramienta para la identificación de Cataratas Oculares haciendo uso de técnicas de Inteligencia Artificial (Deep Learning – Machine Learning). | es_CO |
| dc.type | http://purl.org/coar/resource_type/c_7a1f | es_CO |
| dc.date.accepted | 2022 | - |
| dc.relation.references | C. De, M. Humana, D. Alexander, and A. Torres, “UNIVERSIDAD NACIONAL DE LOJA ÁREA DE LA SALUD HUMANA Autor: Tesis previa a la obtención del título de Médico General.” | es_CO |
| dc.relation.references | A. Shen et al., “Metastatic neuroendocrine tumors mimicking as primary ocular disease,” Am J Ophthalmol Case Rep, vol. 26, Jun. 2022, doi: 10.1016/j.ajoc.2022.101425. | es_CO |
| dc.relation.references | R. Martinez-Carrasco, P. Argüeso, and M. E. Fini, “Membraneassociated mucins of the human ocular surface in health and disease,” Ocular Surface, vol. 21. Elsevier Inc., pp. 313–330, Jul. 01, 2021. doi: 10.1016/j.jtos.2021.03.003. | es_CO |
| dc.relation.references | D. Juan, D. Esteve, G. Ayala Gallego, and A. S. Vidal, “Técnicas para la correspondencia y reconocimiento Esther de Ves Cuenca,” 1999. | es_CO |
| dc.relation.references | K. Asiedu, “Role of ocular surface neurobiology in neuronal-mediated inflammation in dry eye disease,” Neuropeptides, vol. 95. Churchill Livingstone, Oct. 01, 2022. doi: 10.1016/j.npep.2022.102266. | es_CO |
| dc.relation.references | Flores-González and D. H. Calonje, “Telemedicine for detection of ocular diseases capable to cause blindness in Mexico,” Revista Mexicana de Oftalmologia, vol. 91, no. 6, pp. 297–305, Nov. 2017, doi: 10.1016/j.mexoft.2016.12.002. | es_CO |
| dc.relation.references | M. Chacón et al., “Impedance-based non-invasive assay for ocular damage prediction on in vitro 3D reconstructed human corneal epithelium,” Bioelectrochemistry, vol. 146, Aug. 2022, doi: 10.1016/j.bioelechem.2022.108129. | es_CO |
| dc.relation.references | R. N. van Gelder, “Molecular Diagnostics for Ocular Infectious Diseases: 78th Edward Jackson Memorial Lecture, American Academy of Ophthalmology,” Am J Ophthalmol, vol. 235, pp. 300–312, Mar. 2022, doi: 10.1016/j.ajo.2021.12.002. | es_CO |
| dc.relation.references | W. G. Loaiza, “Monografía Reconocimiento De Objetos Usando Técnicas De Inteligencia Artificial.” | es_CO |
| dc.relation.references | C. Y. Zhang et al., “Corneal perforation in ocular graft-versus-host disease,” Am J Ophthalmol Case Rep, vol. 24, Dec. 2021, doi: 10.1016/j.ajoc.2021.101224. | es_CO |
| dc.relation.references | M. N. Pham, R. L. Fuleihan, K. E. Sullivan, and C. CunninghamRundles, “Ocular Manifestations in Primary Immunodeficiency Disorders: A Report From the United States Immunodeficiency Network (USIDNET) Registry,” Journal of Allergy and Clinical Immunology: In Practice, vol. 10, no. 7, pp. 1788–1796, Jul. 2022, doi: 10.1016/j.jaip.2022.03.028. | es_CO |
| dc.relation.references | P. Karely, R. Laureano, D. Álvaro, and J. M. Jarquín, “Facultad de Medicina Tesis para obtener el Diploma de Especialidad en Oftalmología.” | es_CO |
| dc.relation.references | S. Kheder Alatawi, H. E. Alyahyawi, N. Akhter, R. A. Alharbi, W. AM Ahmed, and S. Saleh R. Almalki, “Prevalence of adenoviruses as ocular disease causatives in Saudi Arabia,” Saudi Journal of Biological Sciences, vol. 29, no. 4. Elsevier B.V., pp. 2026–2032, Apr. 01, 2022. doi: 10.1016/j.sjbs.2021.12.053. | es_CO |
| dc.relation.references | P. Therkildsen et al., “A nationwide study of ocular manifestations leading to hospital contacts among patients with giant cell arteritis,” Semin Arthritis Rheum, vol. 56, Oct. 2022, doi: 10.1016/j.semarthrit.2022.152071. | es_CO |
| dc.relation.references | L. Castilla-Guerra, A. Gómez Escobar, and J. F. Gómez Cerezo, “Revista Clínica Española Utility of Doppler ultrasound for the study of ocular vascular disease,” 2021. [Online]. Available: www.elsevier.es/rce. | es_CO |
| dc.relation.references | E. Sarrias-Arrabal, G. Izquierdo-Ayuso, and M. Vázquez-Marrufo, “Attentional networks in neurodegenerative diseases: anatomical and functional evidence from the Attention Network Test,” Neurologia. Spanish Society of Neurology, 2020. doi: 10.1016/j.nrl.2020.05.015. | es_CO |
| dc.relation.references | F. Silva Molina, “La Inteligencia Artificial y su incidencia en las comunicaciones.” | es_CO |
| dc.relation.references | acobo Zavaleta, W. Zavaleta-Gavidia, V. Zavaleta-Gavidia, and P. Clave, “Deep Learning y enfermedades oculares,” 2022. | es_CO |
| dc.relation.references | MathWorks: Redes Neuronales Convolucionales. https: //la.mathworks.com/solutions/deep-learning/ convolutional-neuralnetwork.html, visitado el 2019-11 -23. | es_CO |
| dc.relation.references | Moreno, G. “Estadística de Sequías y Heladas Meteorológicos en Colombia”. IDEAM. 1996. Disponible: http://documentacion.ideam.gov.co/openbiblio/bvirtual/009375/009375.pdf. | es_CO |
| dc.relation.references | Malpica, J. “Inteligencia Artificial y conciencia”. Departamento de Matemáticas de la UAH. Disponible: http://www3.uah.es/benito_fraile/ponencias/inteligencia-artificial.pdf. | es_CO |
| dc.relation.references | Sucar, L. “Métodos de inteligencia artifcial”. Tecnologías de Información. UPAEP. Disponible en : https://ccc.inaoep.mx/~esucar/ClasesMetIA/MetIA-16.pdf. | es_CO |
| dc.relation.references | G. B. Bernal and S. General, “ALEJANDRO GAVIRIA URIBE Ministro de Salud y Protección Social FERNANDO RUIZ GÓMEZ Viceministro de Salud Pública y Prestación de Servicios CARMEN EUGENIA DÁVILA GUERRERO Viceministra de Protección Social.” | es_CO |
| dc.relation.references | Ting, Fung Fung, Yen Jun Tan y Kok Swee Sim: Convolutional neural network improvement for breast cancer classification. Expert Systems with Applications, 120:103–115, 2019, ISSN 09574174. https://doi.org/10. 1016/j.eswa.2018.11.008. | es_CO |
| dc.relation.references | Chougrad, Hiba, Hamid Zouaki y Omar Alheyane: Deep Convolutional Neural Networks for breast cancer screening. Computer Methods and Programs in Biomedicine, 157:19–30, 2018, ISSN 18727565. https:// doi.org/10.1016/j.cmpb.2018.01.011. | es_CO |
| dc.relation.references | Google LLC: Kaggle, 2010. https://www.kaggle.com/, visitado el 2022- 07-05. | es_CO |
| dc.relation.references | MathWorks: Redes Neuronales Convolucionales. https: //la.mathworks.com/solutions/deep-learning/ convolutional-neuralnetwork.html. | es_CO |
| dc.relation.references | Scikit-learn: Arboles de decision https://scikitlearn.org/stable/modules/tree.html. | es_CO |
| dc.relation.references | Scikit-learn: Descomposición de señales en componentes (problemas de factorización de matrices) https://scikitlearn.org/stable/modules/decomposition.html#pca. | es_CO |
| dc.rights.accessrights | http://purl.org/coar/access_right/c_abf2 | es_CO |
| dc.type.coarversion | http://purl.org/coar/resource_type/c_2df8fbb1 | es_CO |
| Aparece en las colecciones: | Ingeniería Electrónica | |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| Mendoza_2022_TG.pdf | Mendoza_2022_TG | 3,45 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.