Torax-IA

Autores
Nepotti, Paulo Alejandro; Rodriguez Rodriguez, Emanuel; Sivori, Diego Alberto
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Antonini, Sergio
Guerrieri, Rubén
Descripción
Hoy, los hospitales públicos de la Provincia de Buenos Aires enfrentan desafíos significativos en el diagnóstico de enfermedades respiratorias, oseas y circulatorias mediante imágenes de rayos X del tórax. La interpretación de estas imágenes puede ser subjetiva y propensa a errores, lo que resulta en diagnósticos tardíos, tratamiento inadecuado y una carga adicional para el sistema de salud. En respuesta a esta problemática, proponemos la implementación de una herramienta basada en Deep Learning e Inteligencia Artificial (IA) para la detección automatizada de anomalías en imágenes de rayos X del tórax en cada hospital público de la provincia.
Fil: Nepotti, Paulo Alejandro. Universidad Tecnológica Nacional. Facultad Regional La Plata. Ingeniería en Sistemas de Información; Argentina.
Fil: Rodriguez Rodriguez, Emanuel. Universidad Tecnológica Nacional. Facultad Regional La Plata. Ingeniería en Sistemas de Información; Argentina.
Fil: Sivori, Diego Alberto. Universidad Tecnológica Nacional. Facultad Regional La Plata. Ingeniería en Sistemas de Información; Argentina.
Materia
IA
Salud
Machine learning
Diagnóstico
Redes neuronales
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Attribution-NonCommercial-NoDerivatives 4.0 International
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/14622
Acceder
id RIAUTN_a51ac70efcbf6e4f18e86b7fd5e2d76b
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/14622
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Torax-IANepotti, Paulo AlejandroRodriguez Rodriguez, EmanuelSivori, Diego AlbertoIASaludMachine learningDiagnósticoRedes neuronalesHoy, los hospitales públicos de la Provincia de Buenos Aires enfrentan desafíos significativos en el diagnóstico de enfermedades respiratorias, oseas y circulatorias mediante imágenes de rayos X del tórax. La interpretación de estas imágenes puede ser subjetiva y propensa a errores, lo que resulta en diagnósticos tardíos, tratamiento inadecuado y una carga adicional para el sistema de salud. En respuesta a esta problemática, proponemos la implementación de una herramienta basada en Deep Learning e Inteligencia Artificial (IA) para la detección automatizada de anomalías en imágenes de rayos X del tórax en cada hospital público de la provincia.Fil: Nepotti, Paulo Alejandro. Universidad Tecnológica Nacional. Facultad Regional La Plata. Ingeniería en Sistemas de Información; Argentina.Fil: Rodriguez Rodriguez, Emanuel. Universidad Tecnológica Nacional. Facultad Regional La Plata. Ingeniería en Sistemas de Información; Argentina.Fil: Sivori, Diego Alberto. Universidad Tecnológica Nacional. Facultad Regional La Plata. Ingeniería en Sistemas de Información; Argentina.Universidad Tecnológica Nacional. Facultad Regional La Plata.Antonini, SergioGuerrieri, Rubén2026-03-02T20:32:11Z2025-11-10info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradopdfapplication/pdfhttps://hdl.handle.net/20.500.12272/14622spainfo:eu-repo/semantics/openAccessAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/CC BY-NC-ND (Autoría – No Comercial - No derivadas) Se autoriza únicamente la reproducción y distribución del material siempre que se reconozca la autoría del autor o autora. No permite el uso comercial ni permite la creación de obras derivadasreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-10-01T11:57:19Zoai:ria.utn.edu.ar:20.500.12272/14622instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-10-01 11:57:20.134Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Torax-IA
title Torax-IA
spellingShingle Torax-IA
Nepotti, Paulo Alejandro
IA
Salud
Machine learning
Diagnóstico
Redes neuronales
title_short Torax-IA
title_full Torax-IA
title_fullStr Torax-IA
title_full_unstemmed Torax-IA
title_sort Torax-IA
dc.creator.none.fl_str_mv Nepotti, Paulo Alejandro
Rodriguez Rodriguez, Emanuel
Sivori, Diego Alberto
author Nepotti, Paulo Alejandro
author_facet Nepotti, Paulo Alejandro
Rodriguez Rodriguez, Emanuel
Sivori, Diego Alberto
author_role author
author2 Rodriguez Rodriguez, Emanuel
Sivori, Diego Alberto
author2_role author
author
dc.contributor.none.fl_str_mv Antonini, Sergio
Guerrieri, Rubén
dc.subject.none.fl_str_mv IA
Salud
Machine learning
Diagnóstico
Redes neuronales
topic IA
Salud
Machine learning
Diagnóstico
Redes neuronales
dc.description.none.fl_txt_mv Hoy, los hospitales públicos de la Provincia de Buenos Aires enfrentan desafíos significativos en el diagnóstico de enfermedades respiratorias, oseas y circulatorias mediante imágenes de rayos X del tórax. La interpretación de estas imágenes puede ser subjetiva y propensa a errores, lo que resulta en diagnósticos tardíos, tratamiento inadecuado y una carga adicional para el sistema de salud. En respuesta a esta problemática, proponemos la implementación de una herramienta basada en Deep Learning e Inteligencia Artificial (IA) para la detección automatizada de anomalías en imágenes de rayos X del tórax en cada hospital público de la provincia.
Fil: Nepotti, Paulo Alejandro. Universidad Tecnológica Nacional. Facultad Regional La Plata. Ingeniería en Sistemas de Información; Argentina.
Fil: Rodriguez Rodriguez, Emanuel. Universidad Tecnológica Nacional. Facultad Regional La Plata. Ingeniería en Sistemas de Información; Argentina.
Fil: Sivori, Diego Alberto. Universidad Tecnológica Nacional. Facultad Regional La Plata. Ingeniería en Sistemas de Información; Argentina.
description Hoy, los hospitales públicos de la Provincia de Buenos Aires enfrentan desafíos significativos en el diagnóstico de enfermedades respiratorias, oseas y circulatorias mediante imágenes de rayos X del tórax. La interpretación de estas imágenes puede ser subjetiva y propensa a errores, lo que resulta en diagnósticos tardíos, tratamiento inadecuado y una carga adicional para el sistema de salud. En respuesta a esta problemática, proponemos la implementación de una herramienta basada en Deep Learning e Inteligencia Artificial (IA) para la detección automatizada de anomalías en imágenes de rayos X del tórax en cada hospital público de la provincia.
publishDate 2025
dc.date.none.fl_str_mv 2025-11-10
2026-03-02T20:32:11Z
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12272/14622
url https://hdl.handle.net/20.500.12272/14622
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
CC BY-NC-ND (Autoría – No Comercial - No derivadas) Se autoriza únicamente la reproducción y distribución del material siempre que se reconozca la autoría del autor o autora. No permite el uso comercial ni permite la creación de obras derivadas
eu_rights_str_mv openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
CC BY-NC-ND (Autoría – No Comercial - No derivadas) Se autoriza únicamente la reproducción y distribución del material siempre que se reconozca la autoría del autor o autora. No permite el uso comercial ni permite la creación de obras derivadas
dc.format.none.fl_str_mv pdf
application/pdf
dc.publisher.none.fl_str_mv Universidad Tecnológica Nacional. Facultad Regional La Plata.
publisher.none.fl_str_mv Universidad Tecnológica Nacional. Facultad Regional La Plata.
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877862362401210368
score 12.853507

Publicaciones similares