Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/11000/26564
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | Peñalver Benavent, Antonio | - |
dc.contributor.author | López Martínez, Manuel | - |
dc.contributor.other | Departamentos de la UMH::Ingeniería de Computadores | es_ES |
dc.date.accessioned | 2022-04-08T07:22:48Z | - |
dc.date.available | 2022-04-08T07:22:48Z | - |
dc.date.created | 2021-09-14 | - |
dc.identifier.uri | http://hdl.handle.net/11000/26564 | - |
dc.description.abstract | Desde que se tiene uso de razón, el ser humano ha sido consciente de estar expuesto a innumerables enfermedades de todo tipo: infecciosas, crónicas, degenerativas, genéticas, etc. A medida que se ha ido evolucionando y adquiriendo el conocimiento necesario, se ha hecho hincapié en desarrollar medicaciones y/o tratamientos que ayuden a eliminar o reducir los trastornos que estas enfermedades provocan en el organismo. Este trabajo de fin de grado, haciendo uso de la inteligencia artificial, pretende dar una visión preventiva al personal sanitario de centros médicos, sobre la tendencia de los pacientes a la hora de desarrollar determinadas enfermedades. Proporcionando de esta forma, una ayuda para el diagnóstico, pues la verdadera eficacia de un tratamiento reside en la pronta diagnosticación. El desarrollo de este trabajo incluye: la elaboración de un modelo de red neuronal, basado en Deep Learning, para la predicción de infartos cerebrovasculares; el diseño y desarrollo de una aplicación multiplataforma para la visualización de los resultados y el diseño y desarrollo de una API Rest, proporcionando esos resultados a la aplicación, haciendo de intermediaria entre el modelo y la misma. Para el entrenamiento de la red neuronal, se han realizado varios experimentos con diferentes arquitecturas y configuración de parámetros, con el fin de evaluar el desempeño del modelo. | es_ES |
dc.format | application/pdf | es_ES |
dc.format.extent | 188 | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Universidad Miguel Hernández de Elche | es_ES |
dc.rights | info:eu-repo/semantics/openAccess | es_ES |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | SEEK | es_ES |
dc.subject | health | es_ES |
dc.subject | redes | es_ES |
dc.subject | neuronales | es_ES |
dc.subject | inteligencia | es_ES |
dc.subject | artificial | es_ES |
dc.subject | diagnóstico | es_ES |
dc.subject | médico | es_ES |
dc.subject.other | CDU::6 - Ciencias aplicadas::62 - Ingeniería. Tecnología | es_ES |
dc.title | Seek Health: sistema inteligente basado en Deep Learning para la ayuda en el diagnóstico médico | es_ES |
dc.type | info:eu-repo/semantics/bachelorThesis | es_ES |
![Vista previa](/retrieve/c059af24-925d-40f4-b74d-18627c1890e2/TFG-L%c3%b3pez%20Mart%c3%adnez%2c%20Manuel.pdf.jpg)
Ver/Abrir:
TFG-López Martínez, Manuel.pdf
22,03 MB
Adobe PDF
Compartir:
La licencia se describe como: Atribución-NonComercial-NoDerivada 4.0 Internacional.