2026-05-31T10:34:08Zhttps://riuma.uma.es/rest/oai/request

oai:riuma.uma.es:10630/188962026-02-03T10:22:30Zcom_10630_1685col_10630_38055

00925njm 22002777a 4500 dc Casado Gallardo, Pablo author 2019-11-25 Este Trabajo Fin de Grado ha consistido en un estudio del uso de redes convolucionales para la clasícación de imágenes de úlceras cutáneas producidas por presión. Las úlceras cutáneas producidas por presión pueden parecer heridas sencillas pero en realidad son heridas de una elevada complejidad, las cuáles suponen uno de los principales costes para los sistemas sanitarios. Para aplicar un tratamiento efícaz sobre este tipo de heridas, es necesario un diagnóstico fíable y preciso. Dicho diagnóstico, se realiza mediante la inspección visual por parte del personal sanitario, el cual está sujeto a una gran subjetividad por parte del operario. El desarrollo de un sistema de clasfícación automático, capaz de realizar una clasfícación efíciente y fíable de este tipo de heridas, sería un gran avance, pues supondría una herramienta de gran utilidad para el personal médico, la cual reduciría los costes para los sistemas sanitarios y, lo que es más importante, se produciría una mejora en el tratamiento de los pacientes. A lo largo del trabajo, se ha realizado el habitual flujo de trabajo completo para el desarrollo de un sistema inteligente. Se ha comenzado con el diseño de varios sistemas convolucionales, los cuales se han entrenado y testeado, para asentar una base sólida en la primera fase del proceso. Tras realizar el test de los diferentes sistemas con imágenes desconocidas para ellos, se ha continuado con la aplicación de una técnica llamada Data Augmentantion, junto con diferentes cambios en las arquitecturas iniciales, teniendo como objetivo mejorar los resultados obtenidos por los primeros sistemas. https://hdl.handle.net/10630/18896 Sistemas de imágenes en Medicina Imágenes, Tratamiento de las Biomedicina Informática - Trabajos Fin de Grado Grado en Ingeniería de la Salud - Trabajos Fin de Grado Clasificación de imágenes de úlceras por presión mediante el uso de técnicas de aprendizaje profundo.