2026-09-24T06:49:09Zhttps://repositorio.ucam.edu/oai/request

oai:repositorio.ucam.edu:10952/101872025-09-22T22:01:52Zcom_10952_1col_10952_18

Prieto Merino, Antonio David Feijoo Palacios, Felipe Andrés Droppelmann Díaz, Guillermo Andrés 2025-09-22T11:40:43Z 2025-09-22T11:40:43Z 2025 2025 2025-06-06 http://hdl.handle.net/10952/10187 La tesis doctoral titulada "IDENTIFICACIÓN DE PATRONES ULTRASONOGRÁFICOS EN EPICONDILITIS MEDIANTE MACHINE LEARNING," realizada por Guillermo Droppelmann Díaz, aborda la identificación de patrones específicos en imágenes de ultrasonido para diagnosticar tendinopatía lateral del codo utilizando técnicas de aprendizaje automático. La investigación se justifica por la alta prevalencia de esta afección musculoesquelética en la extremidad superior y la necesidad de mejorar la precisión diagnóstica, que actualmente depende en gran medida de la experiencia del operador de ultrasonografía. El estudio propone el uso de la inteligencia artificial para superar las limitaciones de las evaluaciones manuales y ofrece una metodología para la clasificación automatizada de imágenes de ultrasonido, con el objetivo de facilitar un diagnóstico más preciso y, por ende, una mejor asignación de tratamientos. La tesis incluye un análisis exhaustivo de los modelos de machine learning, la preparación de los datos de imagen y la validación de los resultados, resaltando la importancia de la integración de estas tecnologías en el diagnóstico clínico. Medicina es Attribution-NonCommercial-NoDerivatives 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ openAccess Diagnóstico por imagen Inteligencia artificial Radiología Traumatología Visión artificial Identificación de patrones ultrasonográficos en epicondilitis mediante machine learning doctoralThesis