2026-05-27T05:29:09Zhttps://riuma.uma.es/rest/oai/request

oai:riuma.uma.es:10630/275952026-02-03T10:21:55Zcom_10630_1685col_10630_38055

Reconocimiento de enfermedad coronaria en coronariografías mediante Redes Neuronales Convolucionales. Pérez Gallego, Galo Molina-Cabello, Miguel Ángel Thurnhofer-Hemsi, Karl Sistema cardiovascular - Enfermedades Informática - Trabajos Fin de Grado Grado en Ingeniería del Software - Trabajos Fin de Grado Redes neuronales (Informática) Las enfermedades cardíacas suponen un serio problema, siendo la principal causa de muerte a nivel mundial. Entre las principales, la más común es la enfermedad de las arterias coronarias (EAC), que ocurre cuando las arterias que suministran la sangre al miocardio se endurecen y se estrechan debido a la acumulación de colesterol y placa. La EAC se puede detectar mediante la inspección visual de un experto. Y es aquí donde toma importancia la coronariografía, una exploración mediante rayos X durante la cual se observan las arterias coronarias y que permite a un experto diagnosticar el grado de EAC. Por ello, sería deseable clasificar la imagen obtenida a partir de una coronariografía en un determinado grado de EAC con objeto de realizar un diagnóstico preciso y, consecuentemente, tomar las medidas necesarias para tratar la enfermedad. Por su parte, el aprendizaje profundo es un subconjunto del Machine Learning que utiliza redes neuronales artificiales para simular el funcionamiento del cerebro humano. Dentro de estas existen las redes neuronales convolucionales, que mediante una operación llamada convolución permiten detectar patrones cada vez más complejos, resultando útiles en tareas de visión artificial y clasificación de imágenes. Dado que las imágenes de coronariografías son grandes y no se sabe a priori ... 2023-09-20T08:58:47Z 2023-09-20T08:58:47Z 2023-05 2023 bachelor thesis https://hdl.handle.net/10630/27595 spa http://creativecommons.org/licenses/by-nc-nd/4.0/ open access Attribution-NonCommercial-NoDerivatives 4.0 Internacional