Repositorio de Tesis USAT



Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/20.500.12423/4068
Título: Sistema inteligente para la identificación de dermatofitosis en pacientes de un centro dermatológico de la ciudad de Chiclayo
Autores: Reaño Coveñas, Jheiner
Asesor: Iman Espinoza, Ricardo David
ORCID del Asesor: https://orcid.org/0000-0003-0409-8773
Palabras claves: Inteligencia artificial
Tiña
Diagnóstico por imagen
Editorial : Universidad Católica Santo Toribio de Mogrovejo
País de publicación: PE
Fecha de publicación : 2021
Citación: J. Reaño, “Sistema inteligente para la identificación de dermatofitosis en pacientes de un centro dermatológico de la ciudad de Chiclayo,” Ingeniero, Facultad de Ingeniería, Universidad Católica Santo Toribio de Mogrovejo, Chiclayo, Perú, 2021. [En línea]. Disponible en:
URI: http://hdl.handle.net/20.500.12423/4068
Resumen: La presente investigación demuestra que un sistema inteligente (SI) elaborado en base a un modelo de machine learning ha solucionado los problemas de identificación de dermatofitosis en un centro dermatológico, brindando aportes tales como la gestión de información oportuna para la atención de los pacientes, registro de tratamientos y visualización del proceso evolutivo de la enfermedad. Se planteó como objetivo principal desarrollar un SI para la identificación de dermatofitosis en pacientes de un centro dermatológico de la ciudad de Chiclayo. El SI permitirá a través de imágenes identificar la enfermedad y gestionar la información de los pacientes que sufran esta anomalía y no puedan acceder a un especialista. Con la problemática suscitada se realizó las entrevistas correspondientes al especialista de la empresa en estudio y se llegó a desarrollar el SI empleando la metodología XP integrada con técnicas de inteligencia artificial (IA). Al ser la propuesta un sistema web se empleó HTML y para el estilo del front-end se utilizó el framework Bootstrap, el dinamismo de las interfaces fue complementado por JavaScript. En el back-end se emplearon los lenguajes de programación PHP y Python, como gestor de base de datos MySQL. El algoritmo empleado fue Convolutional Neural Networks, gracias al cual luego se entrenó el modelo de machine learning y se alcanzó una especificidad de 83.33% y una sensibilidad de 88.89%. Finalmente, se obtuvo de los usuarios una alta puntuación de aceptación para la utilidad y usabilidad del SI.
Tipo de publicación: http://purl.org/pe-repo/renati/type#tesis
Grado o título profesional: http://purl.org/pe-repo/renati/nivel#tituloProfesional
Aparece en las colecciones: Escuela de Ingeniería de Sistemas y Computación

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TL_ReañoCoveñasJheiner.pdf840.62 kBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons