Mostrar el registro sencillo del objeto digital
| dc.contributor | Granda Gutiérrez, Everardo Efrén
|
|
| dc.contributor.author | Garduño Morales, Alexander
|
|
| dc.date.accessioned | 2025-11-11T02:39:14Z | |
| dc.date.available | 2025-11-11T02:39:14Z | |
| dc.date.issued | 2025-10-25 | |
| dc.identifier.uri | http://hdl.handle.net/20.500.11799/142848 | |
| dc.description | Tesis de Licenciatura | es |
| dc.description.abstract | En este trabajo se realiza un análisis comparativo de tres modelos de redes neuronales convolucionales (CNN) para la detección de cáncer de pulmón, con base en imágenes de tomografías computarizadas, con el fin de identificar la arquitectura que ofrece el mejor desempeño bajo condiciones controladas. Los modelos de aprendizaje profundo considerados para este estudio son: DenseNet201, InceptionV3 y ResNet50, que fueron validados mediante un esquema de subconjunto estratificado. | es |
| dc.language.iso | spa | es |
| dc.publisher | Universidad Autónoma del Estado de México | es |
| dc.rights | openAccess | es |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0 | es |
| dc.subject | Redes neuronales convolucionales | es |
| dc.subject | Aprendizaje profundo | es |
| dc.subject.classification | INGENIERÍA Y TECNOLOGÍA | es |
| dc.title | Análisis comparativo de modelos de redes neuronales convolucionales para la detección de cáncer de pulmón | es |
| dc.type | Tesis de Licenciatura | es |
| dc.provenance | Académica | es |
| dc.road | Dorada | es |
| dc.organismo | Centro Universitario UAEM Atlacomulco | es |
| dc.ambito | Estatal | es |
| dc.cve.CenCos | 30101 | es |
| dc.cve.progEstudios | 38 | es |
| dc.modalidad | Tesis | es |
| dc.validacion.itt | Si | es |