Catálogo de tesis
Aprendizaje federado para la clasificación de enfermedades mediante imágenes de resonancia magnética
Clasificación
32806
Autor
Avendaño Pacheco, Ixchel Dafne (tesista)
Otros autores
Chernykh Andrey (Codirector de tesis)
Pulido Gaytán Luis Bernardo (Codirector de tesis)
Favela Vara Jesús (miembro de comité)
Rivera Rodríguez Raúl (miembro de comité)
Radchenko Gleb (miembro de comité)
Pulido Gaytán Luis Bernardo (Codirector de tesis)
Favela Vara Jesús (miembro de comité)
Rivera Rodríguez Raúl (miembro de comité)
Radchenko Gleb (miembro de comité)
Resumen
El uso de redes neuronales profundas ha demostrado un alto rendimiento en tareas de clasificación de
imágenes médicas, alcanzando niveles de precisión comparables a los de expertos clínicos. Sin
embargo, su aplicación en entornos reales enfrenta importantes limitaciones, como la escasez de datos
representativos, el desbalance entre clases y las restricciones legales y éticas para compartir
información sensible. En este contexto, el aprendizaje federado se presenta como una alternativa
viable, al permitir el entrenamiento colaborativo de modelos sin necesidad de centralizar los datos.
Esta tesis propone el diseño, desarrollo y validación de un sistema federado optimizado para la
clasificación multiclase de imágenes de resonancia magnética cerebral en la detección de los estadios
de la enfermedad de Alzheimer. Se evaluaron siete arquitecturas convolucionales del estado del arte
y se desarrolló una versión mejorada del modelo AHANet, denominada AHANet-C, que incorpora un
bloque de super-convergencia para reducir los tiempos de entrenamiento sin pérdida de precisión.
Asimismo, se integraron estrategias de aumento de datos y generación de imágenes sintéticas para
enfrentar el desbalance de clases y mejorar la capacidad de generalización. El sistema se evaluó en
dieciséis escenarios experimentales que consideraron variaciones en el número de clientes, la cantidad
de rondas de comunicación y el uso de datos sintéticos. Los resultados superaron el 98% de precisión
promedio por estadio, con un desempeño comparable al reportado en la literatura. Este trabajo
demuestra la viabilidad de aplicar aprendizaje federado en el diagnóstico automatizado de Alzheimer,
preservando la privacidad de los datos clínicos y manteniendo un rendimiento robusto y eficiente.
Nota de la tesis
Tesis para obtener el grado de Maestro en Ciencias de la Computación
Institución
Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California
Año de publicación
2025
Detalles físicos
archivo PDF (xi, 93 hojas) : ilustraciones
Temas
Imágenes
Redes neuronales
Aprendizaje
Image
Neural networks
Learning
Redes neuronales
Aprendizaje
Image
Neural networks
Learning
Nota
Miembros del Comité: Chernykh Andrey; Pulido Gaytán Luis Bernardo; Favela Vara Jesús; Rivera Rodríguez Raúl; Radchenko GlebIncluye anexo y referencias bibliográficas
Disponibilidad
| Número de inventario | Volumen | Biblioteca | Ubicación | Estado | Nota |
| 32806 | -- | CICESE | Colección de tesis | Disponible |
Cómo citar
Avendaño Pacheco, I. D. 2025.Aprendizaje federado para la clasificación de enfermedades mediante imágenes de resonancia magnética. Tesis de Maestría en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California. archivo PDF (xi, 93 hojas).
Opciones



