)SOLR_TLOGA'stringsC^=7handle:"123456789/1395"#AOJ?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withdrawn%false,discoverable$true,lastModified82026-05-27T15:37:00.476Z&author9Barreto Jara, Ana Cecilia?Garay Morínigo, Matías Alejandro9Ayala Díaz, Katia Andrea.author_keyword9Barreto 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_hl9Barreto Jara, Ana Cecilia?Garay Morínigo, Matías Alejandro9Ayala Díaz, Katia Andrea9dc.contributor.author_mlt9Barreto Jara, Ana Cecilia?Garay Morínigo, Matías Alejandro9Ayala Díaz, Katia Andrea5dc.contributor.author9Barreto Jara, Ana Cecilia?Garay Morínigo, Matías Alejandro9Ayala Díaz, Katia Andreahas_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 díaz, katia andrea ||| Ayala Díaz, Katia Andrea?,garay morínigo, matías alejandro ||| Garay Morínigo, Matías Alejandro0bi_2_dis_partial9Ayala Díaz, Katia Andrea?Garay Morínigo, Matías Alejandro9Barreto Jara, Ana Cecilia5bi_2_dis_value_filter9Ayala Díaz, Katia Andrea?Garay Morínigo, Matías Alejandro9Barreto Jara, Ana Cecilia/bi_4_dis_filter?deep learning ||| Deep Learning?visión por computadora ||| Visión por Computadora?radiografías caninas ||| Radiografías Caninas?aplicación web ||| Aplicación Web?fracturas óseas ||| Fracturas Óseas?diagnóstico veterinario ||| Diagnóstico Veterinario?inteligencia artificial ||| Inteligencia Artificial0bi_4_dis_partial5Radiografías Caninas-Deep Learning/Aplicación Web7Inteligencia Artificial0Fracturas Óseas7Visión por Computadora8Diagnóstico Veterinario5bi_4_dis_value_filter5Radiografías Caninas-Deep Learning/Aplicación Web7Inteligencia Artificial0Fracturas Óseas7Visión por Computadora8Diagnóstico Veterinario.bi_sort_1_sort?Xaplicación web asistida por inteligencia artificial para diagnosticar fracturas en imágenes radiológicas caninas..bi_sort_2_sort$2025.bi_sort_3_sort42026-05-27T15:36:50Z$read?g8f18a99c-4fd6-4787-bf2c-39ee4473d82a'a_spell9Barreto 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_OAD`-SOLR_TLOG_END