Ver Estadísticas

Tesis Validadas: 2,591

Tesis de Posgrado: 2650

Número de Visitas: contador visitas

  1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
  2. Tesis de Posgrado
  3. Morelos
  4. Centro Nacional de Investigación y Desarrollo Tecnológico
  5. Tesis CENIDET
  6. Tesis de Maestría
  7. Tesis de Maestría en Computación

Please use this identifier to cite or link to this item: https://rinacional.tecnm.mx/jspui/handle/TecNM/4167
Full metadata record
DC FieldValueLanguage
dc.contributor.authorCortes Martinez, Keila Vasthi%738306-
dc.creatorCortes Martinez, Keila Vasthi%738306-
dc.date.accessioned2022-07-08T19:42:54Z-
dc.date.available2022-07-08T19:42:54Z-
dc.date.issued2019-01-21-
dc.identifier.urihttps://rinacional.tecnm.mx/jspui/handle/TecNM/4167-
dc.descriptionActualmente, las Enfermedades Cerebrales- Vasculares (BSD) representan un grave problema de salud pública y uno de los motivos frecuentes de asistencia neurológica urgente en México. El tratamiento de emergencia de una BSD obedece al tipo de accidente al que pertenezca, ya sea isquémico (cuando se bloquea una arteria) o hemorrágico (involucra un sangrado en el cerebro). El uso de imágenes médicas de forma automatizada reduce el tiempo de evaluación y minimiza errores en el diagnóstico y tratamiento de éstas. La Inteligencia Artificial, ha desarrollado modelos de aprendizaje automático y de reconocimiento de patrones como las Redes Neuronales Artificiales (ANN), en donde diferentes investigaciones ofrecen como una alternativa de solución las del tipo Pulsante (SNN), siendo éstas las que proporcionan información a lo largo del tiempo mediante pulsos. Debido a la importancia del tema, en el presente trabajo de tesis, se desarrolló un análisis en la clasificación de unaneurona SNN representada por el modelo Izhikevich, usada en el reconocimiento de imágenes cerebrales obtenidas de Imágenes de Resonancia Magnéticas, demostrando que la precisión de la clasificación del modelo propuesto puede alcanzar valores comparables a otras ANN como la Multi-Layer Perceptron. Por otra parte, se estimó mediante Accuracy el porcentaje de casos correctamente clasificados, cuyos resultados se compararon entre las dos ANNs.es_MX
dc.language.isospaes_MX
dc.publisherTecnológico Nacional de Méxicoes_MX
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0es_MX
dc.subjectinfo:eu-repo/classification/cti/7es_MX
dc.subject.otherenfermedades cerebro vascular clasificación neurona modelo Izhikeviches_MX
dc.titleRedes Neuronales Pulsantes para la Detección e Interpretación de Lesiones en el Cerebro Humanoes_MX
dc.typeinfo:eu-repo/semantics/masterThesises_MX
dc.contributor.directorMejia Lavalle, Manuel%55801-
dc.contributor.directorMujica Vargas, Dante%229106es_MX
dc.folio19-0017es_MX
dc.rights.accessinfo:eu-repo/semantics/openAccesses_MX
dc.publisher.tecnmCentro Nacional de Investigación y Desarrollo Tecnológicoes_MX
Appears in Collections:Tesis de Maestría en Computación

Files in This Item:
File Description SizeFormat 
MC_Keila_Vasthi_Cortes_Martinez_2019.pdfTesis5.08 MBAdobe PDFView/Open
MC_Keila_Vasthi_Cortes_Martinez_2019.pdf
  Restricted Access		Cesion de derechos91.47 kBAdobe PDFView/Open Request a copy


This item is protected by original copyright

View License
Show simple item record


This item is licensed under a Creative Commons License Creative Commons