000			03132nam a22002897a 4500
003			MX-MeUAM
005			20250918060937.0
008			250904s2025 mx ||||fo||d| 00| 0 e d
040			_aMX-MeUAM _bspa _cMX-MeUAM
050		4	_aRC78.7.D53 _bH47 2025
100	1		_aHerrera Chávez, Andre Ivann _939378
245	1	0	_aSistema de procesamiento de imágenes para la identificación de biomarcadores en las etapas de la retinopatía diabética _h[recurso electrónico] / _cAndre Ivann Herrera Chávez ; directora, Wendy Flores Fuentes ; codirector, Oscar Humberto Montiel Ross
260			_aMexicali, Baja California, _c2025
300			_a1 recurso en línea ; 131 p. ; _bil. col., gráficas, fots.
500			_aMaestría y Doctorado en Ciencias e Ingeniería.
502			_aTesis (Maestría) --Universidad Autónoma de Baja California, Facultad de Ingeniería, Mexicali, 2025
504			_aIncluye referencias bibliográficas
520			_aEsta tesis tiene como propósito el desarrollo de un sistema especializado de procesamiento de imágenes para la detección y segmentación de biomarcadores asociados a las etapas de la retinopatía diabética. El sistema propuesto integra técnicas avanzadas de visión por computadora y aprendizaje profundo, empleando arquitecturas como CNN (de sus siglas en inglés, Convolutional Neural Networks) y ViT (de sus siglas en inglés, Visión Transformers) para la clasificación de imágenes. Así como, SAM (de sus siglas en inglés, Segment Anything Model) para la segmentación y YOLO (de sus siglas en inglés, You Only Look Once) para la localización de biomarcadores, como microaneurismas, exudados duros, exudados suaves y hemorragias. El enfoque incluye la implementación de preprocesamientos que mejoran la calidad de las imágenes mediante técnicas como CLAHE (de sus siglas en inglés, Contrast Limited Adaptive Histogram Equalization) y Filtro de Ben. Además, se utiliza la generación de imágenes sintéticas a través de CycleGan (de sus siglas en inglés, Cycle Generative Adversarial Network) y NST (de sus siglas en inglés, Neural Style Transfer) para ampliar y diversificar los conjuntos de datos, superando las limitaciones de disponibilidad de imágenes sintéticas. El sistema fue validado mediante métricas de rendimiento como precisión, Accuracy, Recall, F1-Score y Confusion Matrix. Estas métricas permitieron medir la efectividad del modelo en la detección de biomarcadores y clasificación de las etapas de la retinopatía diabética.
650		7	_aDiagnóstico por imágenes _vTesis y disertaciones académicas. _2lemb
650		4	_aDiagnóstico por imágenes: métodos _vTesis y disertaciones académicas.
650		4	_aDiagnóstico por imágenes: procesamiento de datos _vTesis y disertaciones académicas.
700	1		_aFlores Fuentes, Wendy _edir. _919941
700	1		_aMontiel Ross, Oscar Humberto _ecodir. _939379
710	2		_aUniversidad Autónoma de Baja California. _bFacultad de Ingeniería
856	4		_uhttps://drive.google.com/file/d/1HLbr5oV0uR8ac6GAFO3NdTvmfi3SPaJr/view?usp=sharing _zTesis Digital
942			_cTESIS
999			_c279680 _d279679