dc.contributor.advisor | Fuente López, Eusebio de la | es |
dc.contributor.author | Sanz Gobernado, Daniel | |
dc.contributor.editor | Universidad de Valladolid. Escuela de Ingenierías Industriales | es |
dc.date.accessioned | 2021-07-05T10:57:32Z | |
dc.date.available | 2021-07-05T10:57:32Z | |
dc.date.issued | 2021 | |
dc.identifier.uri | https://uvadoc.uva.es/handle/10324/47195 | |
dc.description.abstract | El objetivo del actual proyecto es el desarrollar un algoritmo de inteligencia
artificial que, a partir del procesamiento de imágenes, sea capaz del
seguimiento y detección de instrumental quirúrgico y gasas en operaciones
laparoscópicas. Dicho algoritmo será integrado en un robot quirúrgico que le
permitirá colaborar con el cirujano con una mayor autonomía. La detección y
seguimiento del material quirúrgico evitará adicionalmente que se den
situaciones de gasas accidentalmente retenidas en el interior del cuerpo,
evitando así este error que puede tener consecuencias fatales para el paciente.
En los algoritmos de seguimiento implementados en este TFG, se ha intentado
comparar distintos tipos de redes neuronales convolucionales, buscando unos
resultados lo más precisos posibles junto con velocidades de procesamiento
altas y/o en tiempo real
Palabras clave
Cirugía laparoscópica; Redes Neuronales Convolucionales; YOLO; MATLAB;
Detección de objetos en imágenes; Gasa; Instrumental quirúrgico.
Abstract
The aim of the current proyect is to develop an artificial intelligence algorithm
that, from image processing, could be able to detect and automatic monitor
gauzes and surgical instruments on laparoscopic surgeries. This algorithm will
be integrated into surgical robot which will allow to collaborate with the surgeon
with greater autonomy. The detection and automatic monitor of surgical
material will additionally avoid situations of accidental retained surgical
material inside the patient´s body, avoiding this way this error that could bring
fatal consequences for the patient.
On the monitoring algorithms implemented on this Final Proyect, it was tried to
compare different types of convolutional neural networks, looking for the most
accurate possible results along with high and/or real-time processing speeds.
Keywords
Laparoscopic surgery; Convolutional Neural Networks; YOLO; MATLAB; Object
detection in images; Gauze; Surgical instruments. | es |
dc.description.sponsorship | Departamento de Ingeniería de Sistemas y Automática | es |
dc.format.mimetype | application/pdf | es |
dc.language.iso | spa | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject.classification | Cirugía laparoscópica | es |
dc.subject.classification | Redes Neuronales Convolucionales | es |
dc.subject.classification | YOLO | es |
dc.subject.classification | MATLAB | es |
dc.subject.classification | Detección de objetos en imágenes | es |
dc.subject.classification | Gasa | es |
dc.subject.classification | Instrumental quirúrgico | es |
dc.title | Detección de instrumentos quirúrgicos en imágenes para cirugía laparoscópica robotizada | es |
dc.type | info:eu-repo/semantics/bachelorThesis | es |
dc.description.degree | Grado en Ingeniería en Electrónica Industrial y Automática | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.subject.unesco | 3311.10 Instrumentos Médicos | es |