| dc.contributor.advisor | Marín Mora, Cristian Andrés | |
| dc.coverage.spatial | cead_-_ibagué | |
| dc.creator | Andrade Varón, Angie Mariana | |
| dc.creator | Duarte Sandoval, Paula Andrea | |
| dc.creator | Quintero Calderón, Lizeth | |
| dc.creator | Pulido Castillo, Angie Katherin | |
| dc.creator | Vargas González, Andrea Yiseth | |
| dc.date.accessioned | 2024-08-08T22:44:30Z | |
| dc.date.available | 2024-08-08T22:44:30Z | |
| dc.date.created | 2024-05-29 | |
| dc.identifier.uri | https://repository.unad.edu.co/handle/10596/63272 | |
| dc.description.abstract | Este proyecto de investigación se centra en mejorar la precisión del diagnóstico en imágenes médicas mediante la integración de sistemas de Inteligencia Artificial (IA). Aborda la corrección de errores interpretativos y factores técnicos en radiología. El estudio destaca los desafíos que enfrenta el diagnóstico radiológico, enfatizando los errores y discrepancias comunes que ocurren, lo que lleva a la necesidad de mejorar el rendimiento del diagnóstico. Al explorar el impacto de la IA en las imágenes médicas, el proyecto pretende aprovechar los algoritmos de IA para analizar grandes conjuntos de datos de imágenes radiológicas, detectar patrones sutiles y reducir los errores de diagnóstico. La investigación subraya el potencial de la IA para complementar a los radiólogos en la interpretación de imágenes y, en última instancia, mejorar la precisión del diagnóstico y los resultados de los pacientes.
Palabras Clave: Inteligencia Artificial (IA), Precisión Diagnostica, Errores de Interpretación, Radiología, Aprendizaje Automático, Flujo de Trabajo | |
| dc.format | pdf | |
| dc.title | Identificar los errores interpretativos y factores técnicos que pueden ser solucionados mediante la implementación de sistemas de inteligencia artificial | |
| dc.type | Diplomado de profundización para grado | |
| dc.subject.keywords | Inteligencia Artificial (IA) | |
| dc.subject.keywords | Aprendizaje Automático | |
| dc.subject.keywords | Radiología | |
| dc.subject.keywords | Salud | |
| dc.description.abstractenglish | This research project focuses on improving the accuracy of diagnosis in medical images through the integration of Artificial Intelligence (AI) systems. Addresses the correction of interpretive errors and technical factors in radiology. The study highlights the challenges facing radiological diagnosis, emphasizing the common errors and discrepancies that occur, leading to the need to improve diagnostic performance. By exploring the impact of AI on medical imaging, the project aims to leverage AI algorithms to analyze large data sets of radiology images, detect subtle patterns and reduce diagnostic errors. The research highlights the potential for AI to complement radiologists in image interpretation and ultimately improve diagnostic accuracy and patient outcomes.
Key words: Artificial Intelligence (AI), Diagnostic Accuracy, Interpretation Errors, Radiology, Machine Learning, Workflow | |