Tesis EP Ingeniería de Software

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12672/126

Browse

Browsing Tesis EP Ingeniería de Software by browse.metadata.advisor "Wong Portillo, Lenis Rossi"

Filter results by typing the first few letters
Now showing 1 - 4 of 4
  • Thumbnail Image
    Item
    Arquitectura para mitigar la complejidad inicial del mantenimiento de software basada en Clean Architecture
    (Universidad Nacional Mayor de San Marcos, 2026) Ricse Perez, Anthony Elias; Tarmeño Noriega, Carlos Daniel; Wong Portillo, Lenis Rossi
    La investigación tiene como objetivo evaluar la mantenibilidad de una arquitectura de software de tres capas basada en Clean Architecture, en comparación con una arquitectura tradicional de cuatro capas, con el propósito de reducir la complejidad inicial de mantenimiento. Se desarrolló una investigación de enfoque cuantitativo mediante pruebas por escenarios y análisis comparativo de código estático. La metodología comprendió cuatro fases: evaluación de la arquitectura tradicional de cuatro capas, diseño de la propuesta de tres capas, implementación de un sistema web con un conjunto de datos de prueba controlado y validación de la propuesta. Se evaluaron cuatro estados evolutivos del código, considerando dos módulos de abstracción, y se utilizaron SonarQube y Dependency-Cruiser para analizar las dependencias y las características estructurales del software. Los resultados evidenciaron mejoras en la arquitectura de tres capas respecto de la de cuatro capas: la modularidad aumentó un 3,85 %, la reusabilidad un 1,97 %, la analizabilidad un 28,08 %, la modificabilidad un 19,78 % y la testabilidad un 71,71 %. La mejora global de la mantenibilidad fue del 16,71 %. Se concluye que, bajo las condiciones experimentales evaluadas, la arquitectura propuesta presentó mejores resultados en las métricas de calidad y mantenibilidad del software, lo que respalda su utilidad como alternativa para reducir la complejidad estructural durante las etapas iniciales del desarrollo.
  • Thumbnail Image
    Item
    Sistema para diagnosticar la catarata mediante el uso de redes neuronales convolucionales
    (Universidad Nacional Mayor de San Marcos, 2022) Ñuflo Gamarra, Isaac Elias; Mecca Paredes, Franco Samuel; Wong Portillo, Lenis Rossi
    La catarata es una condición degenerativa del cristalino que se evidencia por el opacado de la visión. Este puede ser tratada en su edad temprana; sin embargo, en la mayoría de centros poblados no cuentan con los recursos económicos y médicos para poder realizar el diagnóstico necesario. Por este motivo, se propone una Aplicación Móvil que, a través del uso de la Inteligencia Artificial, diagnostique la presencia de catarata analizando imágenes de fondo usando una arquitectura de red neuronal convolucional (CNN), con el objetivo de brindar una solución confiable, accesible y portable, que beneficie a la comunidad médica. Así mismo, se consideran los resultados del estado del arte: Métodos (Automático y Manual), Características (Disco óptico y mácula, propiedades de la imagen, cristalino: núcleo y corteza, pupila, vasos sanguíneos), Clasificación (Grados, Ubicación y Congénita) y Obstáculos (Falta de recursos, falta de experiencia y demora en el diagnóstico). El sistema propuesto se realizó en 4 fases: Pre procesamiento de imágenes, Entrenamiento del modelo, Diseño del aplicativo móvil y Validación. Los resultados obtenidos demostraron que se puede diagnosticar la catarata con un 87% de precisión. Al integrarlo con una aplicación móvil permite que se puedan realizar estos diagnósticos de manera portable y de fácil acceso, especialmente en los lugares alejados la ciudad.
  • Thumbnail Image
    Item
    Sistema para el diagnóstico de cáncer de cuello uterino utilizando redes neuronales convolucionales con imágenes de citología en base líquida de Papanicolaou
    (Universidad Nacional Mayor de San Marcos, 2022) Ccopa Mamani, Andrés Junior; Diaz Quiroz, Elmer Yuniors; Wong Portillo, Lenis Rossi
    Presenta un sistema inteligente apoyado de un modelo basado en el algoritmo k-means y redes neuronales convolucionales con el fin de realizar el diagnóstico de cáncer de cuello uterino por medio de la clasificación de imágenes de citología de base líquida de pruebas de Papanicolau. La metodología de investigación aplicada en este estudio consta de 4 fases: (i) Planteamiento de la pregunta de investigación; (ii) Diseño del modelo, donde construimos y realizamos el entrenamiento de dos arquitecturas de redes neuronales convolucionales pre-entrenadas, apoyados del 80% de un dataset con un total de 963 imágenes y con 4 clases de imágenes, las cuales son negativo para malignidad intraepitelial, lesión intraepitelial escamosa baja, lesión intraepitelial escamosa alta y carcinoma de células escamosas; (iii) Desarrollo del sistema, donde realizamos la construcción del sistema inteligente e integración del modelo entrenado; y (iv) Validación de la propuesta, donde se trabajó con el 20% restante del dataset,. Nuestros resultados determinan que la mejor clasificación la alcanzó la arquitectura ResNet50 una exactitud del 91%.
  • Thumbnail Image
    Item
    Un navegador de realidad aumentada para aplicaciones basadas en marcadores aplicando el estándar ARML 2.0
    (Universidad Nacional Mayor de San Marcos, 2017) Córdova Gonzales, Angela Victoria; Wong Portillo, Lenis Rossi
    Desarrolla un navegador de realidad aumentada para aplicaciones basadas en la visión utilizando marcadores, leyendo una escena descrita bajo el estándar ARML2.0. La implementación se evalúa utilizando las pruebas definidas dentro del estándar ARML 2.0. Finalmente se realiza un caso de estudio donde puede verse la aplicación del navegador en un folleto aumentado.