Mostrar el registro sencillo del ítem
Desarrollo de un módulo de software para la detección temprana de la enfermedad de Parkinson mediante técnicas de Deep Learning
| dc.contributor.author | Hernández Ramírez, Jaime | |
| dc.contributor.author | Alor-Hernández, Giner | |
| dc.contributor.author | Cruz Ramos, Nancy Aracely | |
| dc.date.accessioned | 2024-01-08T23:28:03Z | |
| dc.date.available | 2024-01-08T23:28:03Z | |
| dc.date.issued | 2023-11-27 | |
| dc.identifier.uri | http://repositorios.orizaba.tecnm.mx:8080/xmlui/handle/123456789/777 | |
| dc.description | La enfermedad de Parkinson se categoriza como una enfermedad neurodegenerativa que se manifiesta esencialmente en adultos de edad mayor, y difícilmente logra detectarse en personas menores a los 50 años, por ello una de sus características más graves, es que, no cuenta con una cura desarrollada y requiere un tratamiento continuo mediante la aplicación de medicamentos especializados que alivien los malestares presentados, por lo tanto, a través de diversos trabajos relacionados, investigadores identifican patrones y atributos clave que contribuyen en la detección y seguimiento de la enfermedad, sin embargo, se carece de herramientas tecnológicas que impulsen este proceso. Acorde con lo anterior, el presente trabajo de tesis propone el desarrollo de un módulo que contribuya eficazmente en los procesos de análisis y detección temprana de la enfermedad de Parkinson mediante técnicas de Aprendizaje Profundo que estudien algunos de los comportamientos presentados por este padecimiento. Por consiguiente, los beneficios representan contar con una serie de actividades de trazabilidad digital que permiten al paciente registrar el comportamiento y dificultad resultante en el proceso, de esta manera, obtener información de relevancia y proveer un seguimiento de análisis frente a conjuntos de datos que determinarán de forma temprana un posible caso positivo del padecimiento, y así, permitir al personal médico proveer atención de manera eficaz y mejorando la calidad de vida del paciente. | es |
| dc.description.abstract | La enfermedad de Parkinson se categoriza como una enfermedad neurodegenerativa que se manifiesta esencialmente en adultos de edad mayor, y difícilmente logra detectarse en personas menores a los 50 años, por ello una de sus características más graves, es que, no cuenta con una cura desarrollada y requiere un tratamiento continuo mediante la aplicación de medicamentos especializados que alivien los malestares presentados, por lo tanto, a través de diversos trabajos relacionados, investigadores identifican patrones y atributos clave que contribuyen en la detección y seguimiento de la enfermedad, sin embargo, se carece de herramientas tecnológicas que impulsen este proceso. Acorde con lo anterior, el presente trabajo de tesis propone el desarrollo de un módulo que contribuya eficazmente en los procesos de análisis y detección temprana de la enfermedad de Parkinson mediante técnicas de Aprendizaje Profundo que estudien algunos de los comportamientos presentados por este padecimiento. Por consiguiente, los beneficios representan contar con una serie de actividades de trazabilidad digital que permiten al paciente registrar el comportamiento y dificultad resultante en el proceso, de esta manera, obtener información de relevancia y proveer un seguimiento de análisis frente a conjuntos de datos que determinarán de forma temprana un posible caso positivo del padecimiento, y así, permitir al personal médico proveer atención de manera eficaz y mejorando la calidad de vida del paciente. | es |
| dc.description.sponsorship | TECNM, CONAHCYT | es |
| dc.language.iso | es | es |
| dc.publisher | Instituto Tecnológico de Orizaba | es |
| dc.subject | Parkinson | es |
| dc.subject | Deep Learning | es |
| dc.subject | Inteligencia Artificial | es |
| dc.subject | Research Subject Categories::TECHNOLOGY | es |
| dc.title | Desarrollo de un módulo de software para la detección temprana de la enfermedad de Parkinson mediante técnicas de Deep Learning | es |
| dc.type | Thesis | es |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
Tesis (MSC) [89]