Repositorio Dspace

Integración de un componente de predicción de neumonía con una aplicación cliente mediante un pool de servicios web

Mostrar el registro sencillo del ítem

dc.rights.license Attribution 4.0 International (CC BY 4.0) * Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.contributor.author Narváez Espitia, Carlos Andrés
dc.contributor.author Cuadros Bechara, Juan Sebastián
dc.coverage.spatial Cartagena de Indias D. T. y C. (Bolívar)
dc.date.accessioned 2021-08-09T15:01:58Z
dc.date.available 2021-08-09T15:01:58Z
dc.date.issued 2020-06-24
dc.identifier.citation Organización Mundial de la Salud, «Neumonia,» Agosto 2019. [En línea]. Available: https://www.who.int/es/news-room/fact-sheets/detail/pneumonia.
dc.identifier.citation Elsevier Doyma, «Elsevier - Infectio,» Marzo 2013. [En línea]. Available: https://www.elsevier.es/es-revista-infectio-351-pdf-S0123939213700195.
dc.identifier.citation J. L. Amaya Lara1, A. B. Villegas, D. Chavarro, G. Romero Silva, M. . A. Matallana Gómez, S. Puerto García, F. Ruiz Gómez y M. E. Vásquez Candia, «Ministerio de salud y proteccion Colombia,» Septiembre 2013. [En línea]. Available: https://www.minsalud.gov.co/salud/Documents/Observatorio%20Talento%20Humano %20en%20Salud/DisponibilidadDistribuci%C3%B3nMdEspecialistasCendex.pdf.
dc.identifier.citation Ministerio de salud y proteccion de Colombia, «Guia para el manejo de urgencias tomo II,» Febrero 2015. [En línea]. Available: https://www.minsalud.gov.co/Documentos%20y%20Publicaciones/Gu%C3%ADa%20 para%20manejo%20de%20urgencias%20tomo%20II.pdf.
dc.identifier.citation Programa de Naciones Unidas, «OBJETIVOS DE DESARROLLO SOSTENIBLE,» 2015. [En línea]. Available: https://www.undp.org/content/undp/es/home/sustainabledevelopment-goals/ goal-3-good-health-and-well-being.html. [Último acceso: 20 09 2019].
dc.identifier.citation Dirección de Epidemiología y Demografía-Ministerio de Salud y protección, «Análisis de Situación de Salud (ASIS),» Imprenta Nacional de Colombia, Bogotá, 2018.
dc.identifier.citation V.Lu, «Medium-AI-Powered & FDA-Approved Medical Health Projects,» 1 Febrero 2019. [En línea]. Available: https://medium.com/syncedreview/i-powered-fdaapproved-medical-health-projects-a19aba7c681.
dc.identifier.citation Enter, «Enter-4EJEMPLOS DE INTELIGENCIA ARTIFICIAL PARA LA MEDICINA,» 2018. [En línea]. Available: https://www.enter.co/chips-bits/apps-software/ ejemplosinteligencia-artificial-salud/.
dc.identifier.citation A. N. Torrón Stock, «Ticbeat - Inteligencia Artificial en la salud: mejores avances de los últimos tiempos,» 8 Marzo 2019. [En línea]. Available: https://www.ticbeat.com/innovacion/inteligencia-artificial-en-la-salud-mejores-avancesde-los-ultimos-tiempos/.
dc.identifier.citation E.McKirdy, «CNN en Español - Desarrollan prueba que detecta el cáncer en 10 minutos,» 6 Diciembre 2018. [En línea].Available: https://cnnespanol.cnn.com/2018/12/06/desarrollan-prueba-que-detecta-el-cancer-en10-minutos/.
dc.identifier.citation Google Cloud,«Google Cloud - Guía avanzada de Inception v3 para Cloud TPU,» 10 Febrero 2020. [En línea].Available: https://cloud.google.com/tpu/docs/inception-v3advanced?hl=es-419.
dc.identifier.citation Coursera, «Coursera-Convolutional Neural Networks,»2020. [Enlínea].Available: https://es.coursera.org/learn/convolutional-neural-networks.
dc.identifier.citation Sinnexus, «Sinnexus-Datamining,»2020.[En línea].Available: https://www.sinnexus.com/business_intelligence/datamining.aspx.
dc.identifier.citation Cell, «Cell - Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning,» 28 Febrero 2018. [En línea]. Available: https://www.cell.com/cell/fulltext/S0092-8674(18)30154-5#figs6.
dc.identifier.citation Mayoclinic, «Mayoclinic - Neumonía,» 13 Marzo 2018. [En línea]. Available: https://www.mayoclinic.org/es-es/diseases-conditions/pneumonia/symptomscauses/syc-20354204.
dc.identifier.citation Medium, «Medium - Introducción al deep learning parte 2: Redes Neuronales Convolucionales,» 14 Junio 2019. [En línea]. Available: https://medium.com/@jcrispis56/introducci%C3%B3n-al-deep-learning-parte-2-redesneuronales-convolucionales-f743266d22a0.
dc.identifier.citation Medium, «Medium - Regresión Lineal con Gradiente Descendente,» 24 Septiembre 2017. [En línea]. Available: https://medium.com/@aprendizaje.maq/regresi%C3%B3nlineal-con-gradiente-descendente-c3b5ca97e27c.
dc.identifier.citation Microsoft, «Microsoft Azure - Machine Learning,» 2020. [En línea]. Available: https://docs.microsoft.com/en-us/azure/machine-learning/team-data-scienceprocess/overview.
dc.identifier.citation Neoattack, «Neoattack - Framework,» 2019. [En línea]. Available: https://neoattack.com/neowiki/framework/.
dc.identifier.citation Tutorial djangogirls, «Tutorial djangogirls - ¿Qué es Django?,» 2020. [En línea]. Available: https://tutorial.djangogirls.org/es/django/.
dc.identifier.citation keras, «keras.io,» [En línea]. Available: www.keras.io.
dc.identifier.citation P. Mooney, «Kaggle,» 2018. [En línea]. Available: https://www.kaggle.com/paultimothymooney/chest-xray-pneumonia.
dc.identifier.citation Django, «Django project,» Abril 2020. [En línea]. Available: https://docs.djangoproject.com/es/3.0/releases/security/.
dc.identifier.citation N. Perez Agustin y F. Barreto Martinez, MODELO DE RED NEURONAL CONVOLUCIONAL PARA EL DIAGNÓSTICO DE NEUMONÍA EN IMÁGENES RADIOLÓGICAS, Cartagena D. T. y C., 2019.
dc.identifier.citation Fondo de las Naciones Unidas para la Infancia - Unicef, «Unicef - Neumonía,» 2 Noviembre 2009. [En línea]. Available: https://www.unicef.org/spanish/health/index_pneumonia.html.
dc.identifier.citation Oracle, «Oracle - Mi MySql,» 2020. [En línea]. Available: https://www.oracle.com/co/mysql/.
dc.identifier.uri http://repositorio.unisinucartagena.edu.co:8080/xmlui/handle/123456789/48
dc.description Integrar un componente de predicción de neumonía con una aplicación cliente mediante un pool de servicios web. es
dc.description.abstract Este documento presenta un proyecto de desarrollo tecnológico e investigación aplicada, en la línea de investigación “Inteligencia Artificial”, se explica cómo se construye una aplicación cliente y cómo se integra con un algoritmo de Deep Learning (aprendizajea utomático) publicado como servicio web, este algoritmo es utilizado para la detección de neumonía, utilizando imágenes radiológicas. La problemática abordada en este trabajo es la detección de neumonía, que es la principal causa de muerte infantil en todo el mundo, esta afecta tanto a los niños como a sus familias. De acuerdo con la Organización Mundial de la Salud en 2015 murieron por neumonía 920.136 niños menores de 5 años. Por su parte, las técnicas de aprendizaje supervisado se usan ampliamente en el análisis y detección de enfermedades, incluyendo enfermedades respiratorias agudas. Este trabajo propone el uso de técnicas de Deep Learning para la detección de neumonía utilizando imágenes radiológicas DICOM. Se construyó un modelo usando redes neuronales convolucionales, compuesta por 13 capas, que incluyen la capa de entradas y la capa de salida (binaria). Adicionalmente se construyó una plataforma web que integra este modelo y presenta gráficamente el resultado. El modelo fue validado en términos de métricas de evaluación arrojaron una tasa de verdaderos positivos del 90.2% (sensibilidad), precisión del 76.2% y F1 score del 82.63%. El documento se encuentra organizado en 4 capítulos, inicia con el capítulo del diseño metodológico, donde se define la descripción del problema, la justificación, se planea formulación del problema y el alcance del proyecto, definiendo así el objetivos general y los objetivos específicos, también es este capítulo se encuentran los marcos de referencia como lo son el marco teórico, marco conceptual y marco legal y consideraciones éticas dando a conocer las leyes que rigen esta investigación y se explican los conceptos básicos utilizados en esta investigación. En el segundo capítulo se evidencia la construcción del modelo donde se explica la procedencia de los datos a utilizar tanto como la selección y preparación de estos mismos, se realiza la construcción del modelo y su evaluación para su futuro uso. Seguido del tercer capítulo, en donde se explica el desarrollo de la plataforma web que consumirá el modelo de predicción en los cuales se encuentran los requerimientos funcionales y no funcionales, también el diseño lógico, diseño gráfico, el desarrollo donde se realiza la integración y al final las pruebas de este. Por último, se encuentra el capítulo de los resultados finales de la plataforma y el modelo desarrollado. es
dc.format.extent 139 páginas
dc.format.mimetype PDF
dc.language.iso es es
dc.publisher Universidad del Sinu, seccional Cartagena es
dc.rights El autor, manifiesta que la obra objeto de la presenta autorización es original y la realizo sin violar o usurpar derechos de autor de terceros, por lo tanto, la obra es de exclusiva autoría y tiene la titularidad sobre la misma. PARAGRAFO: En caso de presentarse cualquier reclamación o acción por parte de un tercero en cuanto a los derechos de autor sobre la obra en cuestión, el autor, asumirá toda la responsabilidad, y saldrá en defensa de los derechos aquí autorizados; para todos los efectos la universidad del Sinu, seccional Cartagena actúa como un tercero de buena fe. El autor, autoriza a la Universidad del Sinu, seccional Cartagena, para que los términos establecidos en la Ley 1581 de 2012 en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993 y toda normal sobre la materia, utilice y use la obra objeto de la presente autorización. EL autor declara y autoriza lo dispuesto en el Articulo 10 del Decreto 1377 de 2013 a proceder con el tratamiento de los datos personales para fines académicos, históricos, estadísticos y administrativos de la Universidad del Sinu, seccional Cartagena. De conformidad con lo establecido, aclaramos que “Los derechos morales sobre el trabajo son propiedad de los autores”, los cuales son irrenunciables, imprescriptibles, inembargables e inalienables.
dc.rights.uri http://creativecommons.org/licenses/by-nc/4.0
dc.subject Research Subject Categories::TECHNOLOGY es
dc.subject Ingeniería de Sistemas es
dc.title Integración de un componente de predicción de neumonía con una aplicación cliente mediante un pool de servicios web es
dc.type Thesis es
dcterms.contributor Arrieta Rodríguez, Eugenia


Ficheros en el ítem

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Attribution 4.0 International (CC BY 4.0) * Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO) Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution 4.0 International (CC BY 4.0) * Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)

Buscar en DSpace


Búsqueda avanzada

Listar

Mi cuenta