Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)Lescher, Alfredo [asesor]Ibañez, Sergio [director]Nieto Batista, Juan Carlos2026-03-112026-03-112025https://repositorio.ulatina.edu.pa/handle/001/406El 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).Capítulo 1: El Problema.Capítulo 2: Marco Teórico.Capítulo 3: Metodología.Capítulo 4: Análisis e Interpretación de los Resultados.Conclusiones y Recomendaciones.Bibliografía.Anexos.70 p.application/pdfspaTrabajo de grado - Pregradoinfo:eu-repo/semantics/openAccessIngenieríaLicenciatura en Ingeniería Biomédica e InstrumentaciónRedes Neurales (Computadores)Derrame Pleural-TratamientoInteligencia ArtificialDiagnóstico por Imágeneshttp://purl.org/coar/access_right/c_abf2