Publicación: Desarrollo de un modelo de diagnóstico basado en EfficientNet-B0 para la detección de derrame pleural en radiografías de tórax de pacientes adultos
| dc.contributor.advisor | Lescher, Alfredo [asesor] | |
| dc.contributor.advisor | Ibañez, Sergio [director] | |
| dc.contributor.author | Nieto Batista, Juan Carlos | |
| dc.date.accessioned | 2026-03-11T22:14:29Z | |
| dc.date.available | 2026-03-11T22:14:29Z | |
| dc.date.issued | 2025 | |
| dc.description.abstract | El objetivo general de esta investigación es desarrollar un modelo de diagnóstico basado en EfficientNet-B0 para distinguir entre derrame pleural y condiciones. Está investigación sigue un enfoque cuantitativo-experimental. Se utilizaron imágenes públicas del repositorio NIH ChestX-ray14, preprocesadas con técnicas de mejora de contraste y normalización. Se empleó la arquitectura EfficientNet-B0, reconocida por su eficiencia computacional y alta precisión diagnóstica (Tan & Le, 2019), adaptada mediante transfer learning. El modelo fue entrenado y validado utilizando particiones estratificadas del dataset, y evaluado con métricas como exactitud, sensibilidad, AUC y matriz de confusión. Se respetaron principios éticos mediante el uso exclusivo de datos anonimizados. Esta investigación propone como principal contribución un modelo de prediagnóstico automatizado basado en EfficientNet-B0 para la detección temprana de derrame pleural. Su principal ventaja radica en la capacidad de operar con alta precisión y baja carga computacional, lo que lo hace ideal para entornos con recursos limitados. Además, el estudio aporta evidencia de su posible integración como herramienta de apoyo clínico, mejorando la eficiencia diagnóstica y la toma de decisiones médicas en radiología (AbuKaraki et al.,2024). | spa |
| dc.description.degreelevel | Pregrado | |
| dc.description.degreename | Licenciado en Ingeniería Biomédica e Instrumentación | |
| dc.description.tableofcontents | Capítulo 1: El Problema. | |
| dc.description.tableofcontents | Capítulo 2: Marco Teórico. | |
| dc.description.tableofcontents | Capítulo 3: Metodología. | |
| dc.description.tableofcontents | Capítulo 4: Análisis e Interpretación de los Resultados. | |
| dc.description.tableofcontents | Conclusiones y Recomendaciones. | |
| dc.description.tableofcontents | Bibliografía. | |
| dc.description.tableofcontents | Anexos. | |
| dc.format.extent | 70 p. | |
| dc.format.mimetype | application/pdf | |
| dc.identifier.uri | https://repositorio.ulatina.edu.pa/handle/001/406 | |
| dc.language.iso | spa | |
| dc.publisher | Universidad Latina de Panamá | |
| dc.publisher.branch | Sede Central, Panamá | |
| dc.publisher.faculty | Facultad de Ingeniería | |
| dc.publisher.place | Panamá | |
| dc.publisher.program | Licenciatura en Ingeniería Biomédica e Instrumentación | |
| dc.rights.accessrights | info:eu-repo/semantics/openAccess | |
| dc.rights.coar | http://purl.org/coar/access_right/c_abf2 | |
| dc.rights.license | Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) | |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject.lemb | Ingeniería | |
| dc.subject.lemb | Licenciatura en Ingeniería Biomédica e Instrumentación | |
| dc.subject.lemb | Redes Neurales (Computadores) | |
| dc.subject.lemb | Derrame Pleural-Tratamiento | |
| dc.subject.lemb | Inteligencia Artificial | |
| dc.subject.lemb | Diagnóstico por Imágenes | |
| dc.title | Desarrollo de un modelo de diagnóstico basado en EfficientNet-B0 para la detección de derrame pleural en radiografías de tórax de pacientes adultos | |
| dc.type | Trabajo de grado - Pregrado | |
| dc.type.coar | http://purl.org/coar/resource_type/c_7a1f | |
| dc.type.coarversion | http://purl.org/coar/version/c_970fb48d4fbd8a85 | |
| dc.type.content | Text | |
| dc.type.driver | info:eu-repo/semantics/bachelorThesis | |
| dc.type.version | info:eu-repo/semantics/publishedVersion | |
| dspace.entity.type | Publication |
Archivos
Bloque de licencias
1 - 1 de 1
No hay miniatura disponible
- Nombre:
- license.txt
- Tamaño:
- 15.18 KB
- Formato:
- Item-specific license agreed to upon submission
- Descripción:
