Repositorio de Tesis USAT



Please use this identifier to cite or link to this item: http://hdl.handle.net/20.500.12423/4068
Title: Sistema inteligente para la identificación de dermatofitosis en pacientes de un centro dermatológico de la ciudad de Chiclayo
Authors: Reaño Coveñas, Jheiner
Adviser: Iman Espinoza, Ricardo David
metadata.renati.advisor.orcid: https://orcid.org/0000-0003-0409-8773
Keywords: Inteligencia artificial
Tiña
Diagnóstico por imagen
Publisher: Universidad Católica Santo Toribio de Mogrovejo
Country of publication: PE
Issue Date: 2021
Citation: 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
Abstract: 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.
metadata.renati.type: http://purl.org/pe-repo/renati/type#tesis
metadata.renati.level: http://purl.org/pe-repo/renati/nivel#tituloProfesional
Appears in Collections:Escuela de Ingeniería de Sistemas y Computación

Files in This Item:
File Description SizeFormat 
TL_ReañoCoveñasJheiner.pdf840.62 kBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons