DETECCIÓN DE FACTORES DE RIESGO DE MUERTE DE CUNA POR MEDIO DE INTELIGENCIA ARTIFICIAL

ESCOBAR BESERRA, ALEXIS SALVADOR (2026) DETECCIÓN DE FACTORES DE RIESGO DE MUERTE DE CUNA POR MEDIO DE INTELIGENCIA ARTIFICIAL. Maestría thesis, Universidad Autónoma de Chihuahua.

Vista Previa

Text Tesis Alexis Salvador Escobar Beserra.pdf Download (2526Kb) | Vista Previa

Resumen

Esta investigación se enfoca en desarrollar dos programas basados en Inteligencia Artificial (IA) para detectar factores de riesgo de muerte de cuna. Se buscó obtener un accuracy mayor a 85% en ambos modelos en sus respectivas fases de prueba utilizando imágenes de un maniquí y de un bebé real. El primer programa se enfoca en la detección de posiciones usando cinco categorías: Normal (boca arriba o decúbito dorsal), Lateral, Boca Abajo, Tapado hasta el abdomen y ASSB (detección de objetos y cabeza tapada). Se utilizó el modelo ResNet y una base de datos de 4,000 imágenes; el segundo programa se enfocó en la detección de puntos rojos en el abdomen con el modelo YOLOv8 utilizando 500 imágenes. Dicha detección tiene el fin de medir las respiraciones en el abdomen. En la fase de prueba del programa de detección de posiciones se obtuvo un accuracy de 99.4% con el maniquí y 73% con el bebé, mientras que el modelo de detección de puntos rojos alcanzó un accuracy de 97%. El resultado en ambos programas fue satisfactorio, sin embargo, en base a los resultados obtenidos con las imágenes del bebé del primer programa, se ve la necesidad de crear una base de datos de imágenes de diversos bebés para un mejor entrenamiento en entornos reales. Ambos modelos tienen la finalidad de ser implementados en un futuro en un sistema integral para el monitoreo no invasivo en tiempo real.

Actions (login required)

Ver Objeto