Edit C:\dspace\solr\search\data\tlog\tlog.0000000000000003128
)SOLR_TLOGA'strings? ?C?^?=? 7handle:"123456789/1395" #?A?O? J?? 7SolrIndexer.lastIndexed82026-05-27T15:37:01.616Z/search.uniqueid?2-48b2309a-b0b2-4430-9361-f032663e5cc63search.resourcetype!21search.resourceid?48b2309a-b0b2-4430-9361-f032663e5cc6&handle.123456789/1395(location??ma0934804-27e9-4386-bb79-53023e4cc66b?m0e86e95e-fa8c-4b33-a1f0-36da98159ec5?m58a1dd5d-c6ae-4d95-a8c4-d416c90f1d5f?l22682ca6-e66a-4964-99e6-d6cc2587af8b-location.comm??a0934804-27e9-4386-bb79-53023e4cc66b?0e86e95e-fa8c-4b33-a1f0-36da98159ec5?58a1dd5d-c6ae-4d95-a8c4-d416c90f1d5f-location.coll?22682ca6-e66a-4964-99e6-d6cc2587af8b(archived$true)withdrawn%false,discoverable$true,lastModified82026-05-27T15:37:00.476Z&author?9Barreto Jara, Ana Cecilia?Garay Morínigo, Matías Alejandro9Ayala Díaz, Katia Andrea.author_keyword?9Barreto Jara, Ana Cecilia?Garay Morínigo, Matías Alejandro9Ayala Díaz, Katia Andrea)author_ac??barreto jara, ana cecilia ||| Barreto Jara, Ana Cecilia?*garay morínigo, matías alejandro ||| Garay Morínigo, Matías Alejandro?ayala díaz, katia andrea ||| Ayala Díaz, Katia Andrea-author_filter??barreto jara, ana cecilia ||| Barreto Jara, Ana Cecilia?*garay morínigo, matías alejandro ||| Garay Morínigo, Matías Alejandro?ayala díaz, katia andrea ||| Ayala Díaz, Katia Andrea8dc.contributor.author_hl?9Barreto Jara, Ana Cecilia?Garay Morínigo, Matías Alejandro9Ayala Díaz, Katia Andrea9dc.contributor.author_mlt?9Barreto Jara, Ana Cecilia?Garay Morínigo, Matías Alejandro9Ayala Díaz, Katia Andrea5dc.contributor.author?9Barreto Jara, Ana Cecilia?Garay Morínigo, Matías Alejandro9Ayala Díaz, Katia Andrea<dc.contributor.author_stored?? Barreto Jara, Ana Cecilia ||| null ||| null ||| null ||| null?'Garay Morínigo, Matías Alejandro ||| null ||| null ||| null ||| null? Ayala Díaz, Katia Andrea ||| null ||| null ||| null ||| null:dc.description.abstract_hl??Actualmente, la medicina veterinaria en Paraguay enfrenta desafíos significativos en el diagnóstico por imágenes, particularmente en la interpretación de radiografías para detectar fracturas óseas en caninos. La escasez de radiólogos veterinarios especializados obliga a profesionales generales a realizar interpretaciones radiológicas sin formación específica, incrementando el riesgo de errores diagnósticos que pueden derivar en tratamientos inadecuados y comprometer la recuperación animal. En respuesta a esta problemática, se desarrolló FractosIA, una aplicación web asistida por inteligencia artificial para diagnosticar fracturas en radiografías caninas, integrando tecnologías modernas de visión por computadora y aprendizaje profundo mediante redes neuronales convoluciones. El objetivo del sistema es permitir a los veterinarios cargar imágenes radiológicas, procesarlas mediante algoritmos de inteligencia artificial y obtener diagnósticos asistidos en tiempo real. Se evaluaron tres arquitecturas avanzadas: ResNet50, EfficientNetB3 y Visión Transformer, entrenadas con un dataset de más de 400 imágenes radiológicas etiquetadas en colaboración con profesionales veterinarios. La metodología abarcó la recolección y etiquetado del dataset, el desarrollo y entrenamiento de modelos en entorno con GPU especializada, y la implementación de una aplicación web completa integrando servicios en la nube para autenticación, almacenamiento de datos y gestión de imágenes. Los resultados demostraron que EfficientNetB3 fue la arquitectura más efectiva, alcanzando 82,79% de precisión en clasificación del tipo de fractura y 85,96% en identificación de ubicación anatómica. El sistema final permite subir radiografías, visualizarlas con herramientas interactivas (zoom, paneo, recorte), obtener diagnóstico automático, generar reportes en PDF y gestionar el historial de análisis. Las pruebas de integración confirmaron el correcto funcionamiento de todos los módulos con tiempos de respuesta apropiados para el entorno clínico, demostrando una tasa de éxito superior al 82% y estableciendo su viabilidad como herramienta de apoyo diagnóstico en medicina veterinaria.7dc.description.abstract??Actualmente, la medicina veterinaria en Paraguay enfrenta desafíos significativos en el diagnóstico por imágenes, particularmente en la interpretación de radiografías para detectar fracturas óseas en caninos. La escasez de radiólogos veterinarios especializados obliga a profesionales generales a realizar interpretaciones radiológicas sin formación específica, incrementando el riesgo de errores diagnósticos que pueden derivar en tratamientos inadecuados y comprometer la recuperación animal. En respuesta a esta problemática, se desarrolló FractosIA, una aplicación web asistida por inteligencia artificial para diagnosticar fracturas en radiografías caninas, integrando tecnologías modernas de visión por computadora y aprendizaje profundo mediante redes neuronales convoluciones. El objetivo del sistema es permitir a los veterinarios cargar imágenes radiológicas, procesarlas mediante algoritmos de inteligencia artificial y obtener diagnósticos asistidos en tiempo real. Se evaluaron tres arquitecturas avanzadas: ResNet50, EfficientNetB3 y Visión Transformer, entrenadas con un dataset de más de 400 imágenes radiológicas etiquetadas en colaboración con profesionales veterinarios. La metodología abarcó la recolección y etiquetado del dataset, el desarrollo y entrenamiento de modelos en entorno con GPU especializada, y la implementación de una aplicación web completa integrando servicios en la nube para autenticación, almacenamiento de datos y gestión de imágenes. Los resultados demostraron que EfficientNetB3 fue la arquitectura más efectiva, alcanzando 82,79% de precisión en clasificación del tipo de fractura y 85,96% en identificación de ubicación anatómica. El sistema final permite subir radiografías, visualizarlas con herramientas interactivas (zoom, paneo, recorte), obtener diagnóstico automático, generar reportes en PDF y gestionar el historial de análisis. Las pruebas de integración confirmaron el correcto funcionamiento de todos los módulos con tiempos de respuesta apropiados para el entorno clínico, demostrando una tasa de éxito superior al 82% y estableciendo su viabilidad como herramienta de apoyo diagnóstico en medicina veterinaria.=dc.description.abstract.es_ES??Actualmente, la medicina veterinaria en Paraguay enfrenta desafíos significativos en el diagnóstico por imágenes, particularmente en la interpretación de radiografías para detectar fracturas óseas en caninos. La escasez de radiólogos veterinarios especializados obliga a profesionales generales a realizar interpretaciones radiológicas sin formación específica, incrementando el riesgo de errores diagnósticos que pueden derivar en tratamientos inadecuados y comprometer la recuperación animal. En respuesta a esta problemática, se desarrolló FractosIA, una aplicación web asistida por inteligencia artificial para diagnosticar fracturas en radiografías caninas, integrando tecnologías modernas de visión por computadora y aprendizaje profundo mediante redes neuronales convoluciones. El objetivo del sistema es permitir a los veterinarios cargar imágenes radiológicas, procesarlas mediante algoritmos de inteligencia artificial y obtener diagnósticos asistidos en tiempo real. Se evaluaron tres arquitecturas avanzadas: ResNet50, EfficientNetB3 y Visión Transformer, entrenadas con un dataset de más de 400 imágenes radiológicas etiquetadas en colaboración con profesionales veterinarios. La metodología abarcó la recolección y etiquetado del dataset, el desarrollo y entrenamiento de modelos en entorno con GPU especializada, y la implementación de una aplicación web completa integrando servicios en la nube para autenticación, almacenamiento de datos y gestión de imágenes. Los resultados demostraron que EfficientNetB3 fue la arquitectura más efectiva, alcanzando 82,79% de precisión en clasificación del tipo de fractura y 85,96% en identificación de ubicación anatómica. El sistema final permite subir radiografías, visualizarlas con herramientas interactivas (zoom, paneo, recorte), obtener diagnóstico automático, generar reportes en PDF y gestionar el historial de análisis. Las pruebas de integración confirmaron el correcto funcionamiento de todos los módulos con tiempos de respuesta apropiados para el entorno clínico, demostrando una tasa de éxito superior al 82% y estableciendo su viabilidad como herramienta de apoyo diagnóstico en medicina veterinaria./dc.language.iso"es5dc.language.iso.es_ES"es,dc.publisher?Facultad Politécnica, Universidad Nacional del Este2dc.publisher.es_ES?Facultad Politécnica, Universidad Nacional del Este'subject?7Inteligencia Artificial7Visión por Computadora8Diagnóstico Veterinario5Radiografías Caninas0Fracturas Óseas/Aplicación Web-Deep Learning/subject_keyword?7Inteligencia Artificial7Inteligencia Artificial7Visión por Computadora7Visión por Computadora8Diagnóstico Veterinario8Diagnóstico Veterinario5Radiografías Caninas5Radiografías Caninas0Fracturas Óseas0Fracturas Óseas/Aplicación Web/Aplicación Web-Deep Learning-Deep Learning*subject_ac??inteligencia artificial ||| Inteligencia Artificial?visión por computadora ||| Visión por Computadora?diagnóstico veterinario ||| Diagnóstico Veterinario?radiografías caninas ||| Radiografías Caninas?fracturas óseas ||| Fracturas Óseas?aplicación web ||| Aplicación Web? deep learning ||| Deep Learning4subject_tax_0_filter??inteligencia artificial ||| Inteligencia Artificial?visión por computadora ||| Visión por Computadora?diagnóstico veterinario ||| Diagnóstico Veterinario?radiografías caninas ||| Radiografías Caninas?fracturas óseas ||| Fracturas Óseas?aplicación web ||| Aplicación Web? deep learning ||| Deep Learning.subject_filter??inteligencia artificial ||| Inteligencia Artificial?visión por computadora ||| Visión por Computadora?diagnóstico veterinario ||| Diagnóstico Veterinario?radiografías caninas ||| Radiografías Caninas?fracturas óseas ||| Fracturas Óseas?aplicación web ||| Aplicación Web? deep learning ||| Deep Learning.dc.subject_mlt?7Inteligencia Artificial7Visión por Computadora8Diagnóstico Veterinario5Radiografías Caninas0Fracturas Óseas/Aplicación Web-Deep Learning*dc.subject?7Inteligencia Artificial7Visión por Computadora8Diagnóstico Veterinario5Radiografías Caninas0Fracturas Óseas/Aplicación Web-Deep Learning0dc.subject.es_ES?7Inteligencia Artificial7Visión por Computadora8Diagnóstico Veterinario5Radiografías Caninas0Fracturas Óseas/Aplicación Web-Deep Learning%title?UAplicación web asistida por inteligencia artificial para diagnosticar fracturas en imágenes radiológicas caninas.-title_keyword?UAplicación web asistida por inteligencia artificial para diagnosticar fracturas en imágenes radiológicas caninas.(title_ac??aplicación web asistida por inteligencia artificial para diagnosticar fracturas en imágenes radiológicas caninas. ||| Aplicación web asistida por inteligencia artificial para diagnosticar fracturas en imágenes radiológicas caninas.-dc.title_sort?UAplicación web asistida por inteligencia artificial para diagnosticar fracturas en imágenes radiológicas caninas.+dc.title_hl?UAplicación web asistida por inteligencia artificial para diagnosticar fracturas en imágenes radiológicas caninas.,dc.title_mlt?UAplicación web asistida por inteligencia artificial para diagnosticar fracturas en imágenes radiológicas caninas.(dc.title?UAplicación web asistida por inteligencia artificial para diagnosticar fracturas en imágenes radiológicas caninas./dc.title_stored?zAplicación web asistida por inteligencia artificial para diagnosticar fracturas en imágenes radiológicas caninas. ||| null ||| null ||| null ||| es_ES.dc.title.es_ES?UAplicación web asistida por inteligencia artificial para diagnosticar fracturas en imágenes radiológicas caninas.'dc.type&Thesis-dc.type.es_ES&Thesis1dc.identifier.uri?http://localhost:8080/xmlui/handle/123456789/13956dc.date.accessioned_dt82026-05-27T15:36:50.000Z3dc.date.accessioned42026-05-27T15:36:50Z1dc.date.available42026-05-27T15:36:50Z*dateIssued*2025-01-012dateIssued_keyword?*2025-01-01$2025-dateIssued_ac?92025-01-01 ||| 2025-01-01$2025/dateIssued.year$20254dateIssued.year_sort$20251dc.date.issued_dt82025-01-01T00:00:00.000Z.dc.date.issued*2025-01-015dc.date.issued_stored?2025-01-01 ||| null ||| null ||| null ||| null/publication_grp.123456789/1395>has_content_in_original_bundle%false?has_content_in_original_bundle_keyword%false?has_content_in_original_bundle_filter%false/bi_2_dis_filter??barreto jara, ana cecilia ||| Barreto Jara, Ana Cecilia?ayala di?az, katia andrea ||| Ayala Díaz, Katia Andrea?,garay mori?nigo, mati?as alejandro ||| Garay Morínigo, Matías Alejandro0bi_2_dis_partial?9Ayala Díaz, Katia Andrea?Garay Morínigo, Matías Alejandro9Barreto Jara, Ana Cecilia5bi_2_dis_value_filter?9Ayala Díaz, Katia Andrea?Garay Morínigo, Matías Alejandro9Barreto Jara, Ana Cecilia/bi_4_dis_filter?? deep learning ||| Deep Learning?visio?n por computadora ||| Visión por Computadora?radiografi?as caninas ||| Radiografías Caninas?aplicacio?n web ||| Aplicación Web?fracturas o?seas ||| Fracturas Óseas?diagno?stico veterinario ||| Diagnóstico Veterinario?inteligencia artificial ||| Inteligencia Artificial0bi_4_dis_partial?5Radiografías Caninas-Deep Learning/Aplicación Web7Inteligencia Artificial0Fracturas Óseas7Visión por Computadora8Diagnóstico Veterinario5bi_4_dis_value_filter?5Radiografías Caninas-Deep Learning/Aplicación Web7Inteligencia Artificial0Fracturas Óseas7Visión por Computadora8Diagnóstico Veterinario.bi_sort_1_sort?Xaplicacio?n web asistida por inteligencia artificial para diagnosticar fracturas en ima?genes radiolo?gicas caninas..bi_sort_2_sort$2025.bi_sort_3_sort42026-05-27T15:36:50Z$read?g8f18a99c-4fd6-4787-bf2c-39ee4473d82a'a_spell?9Barreto Jara, Ana Cecilia?Garay Morínigo, Matías Alejandro9Ayala Díaz, Katia Andrea??Actualmente, la medicina veterinaria en Paraguay enfrenta desafíos significativos en el diagnóstico por imágenes, particularmente en la interpretación de radiografías para detectar fracturas óseas en caninos. La escasez de radiólogos veterinarios especializados obliga a profesionales generales a realizar interpretaciones radiológicas sin formación específica, incrementando el riesgo de errores diagnósticos que pueden derivar en tratamientos inadecuados y comprometer la recuperación animal. En respuesta a esta problemática, se desarrolló FractosIA, una aplicación web asistida por inteligencia artificial para diagnosticar fracturas en radiografías caninas, integrando tecnologías modernas de visión por computadora y aprendizaje profundo mediante redes neuronales convoluciones. El objetivo del sistema es permitir a los veterinarios cargar imágenes radiológicas, procesarlas mediante algoritmos de inteligencia artificial y obtener diagnósticos asistidos en tiempo real. Se evaluaron tres arquitecturas avanzadas: ResNet50, EfficientNetB3 y Visión Transformer, entrenadas con un dataset de más de 400 imágenes radiológicas etiquetadas en colaboración con profesionales veterinarios. La metodología abarcó la recolección y etiquetado del dataset, el desarrollo y entrenamiento de modelos en entorno con GPU especializada, y la implementación de una aplicación web completa integrando servicios en la nube para autenticación, almacenamiento de datos y gestión de imágenes. Los resultados demostraron que EfficientNetB3 fue la arquitectura más efectiva, alcanzando 82,79% de precisión en clasificación del tipo de fractura y 85,96% en identificación de ubicación anatómica. El sistema final permite subir radiografías, visualizarlas con herramientas interactivas (zoom, paneo, recorte), obtener diagnóstico automático, generar reportes en PDF y gestionar el historial de análisis. Las pruebas de integración confirmaron el correcto funcionamiento de todos los módulos con tiempos de respuesta apropiados para el entorno clínico, demostrando una tasa de éxito superior al 82% y estableciendo su viabilidad como herramienta de apoyo diagnóstico en medicina veterinaria."es?Facultad Politécnica, Universidad Nacional del Este7Inteligencia Artificial7Visión por Computadora8Diagnóstico Veterinario5Radiografías Caninas0Fracturas Óseas/Aplicación Web-Deep Learning?UAplicación web asistida por inteligencia artificial para diagnosticar fracturas en imágenes radiológicas caninas.&Thesis?http://localhost:8080/xmlui/handle/123456789/139542026-05-27T15:36:50Z42026-05-27T15:36:50Z$2025)_version_?O? A??D`-SOLR_TLOG_END
Ms-Dos/Windows
Unix
Write backup
jsp File Browser version 1.2 by
www.vonloesch.de