Estudio de utilización de redes neuronales convolucionales en Tensorflow para segmentación de imagen médica

Abstract

El objetivo de este Trabajo Fin de Grado consiste en el desarrollo de un estudio de utilización de redes neuronales convolucionales vía software para la segmentación de imágenes biomédicas procedentes de una base de datos (dataset) de resonancias magnéticas con el fin de facilitar el diagnóstico médico. A través de los diferentes puntos de vista a la hora de enfocar la problemática de la segmentación de las imágenes elegiremos la mejor opción para abordar el estudio. Estudiaremos la teoría de las redes neuronales, donde nos centraremos en las operaciones que se realizarán en las redes convolucionales. Tras esto, veremos un modelo real para nuestro problema donde se realizarán las distintas modificaciones, con el fin de implementar de una forma funcional un modelo de red Todo este estudio se basa en el uso de la Inteligencia Artificial, sustentada en el concepto de Deep Learning, entendiendo los conceptos básicos de dicha teoría, y desarrollándoles especialmente a través de TensorFlow. Expondremos los fundamentos teóricos y matemáticos en los que basamos nuestro diseño de redes neuronales, estudiaremos la mejor manera de trabajar nuestra base datos con nuestro sistema de Deep Learning, el procesamiento más correcto de los datos y a continuación expondremos las decisiones tomadas para el diseño de las diferentes redes usadas, realizando diferentes pruebas para ajustar los parámetros para conseguir los mejores resultados. Finalmente trabajaremos con las redes diseñadas, analizaremos los resultados matemática y gráficamente, valorando si nuestros modelos son funcionales y operativos, fin con el que desarrollamos este estudio de Trabajo de Fin de Grado.