Mostrar el registro sencillo del ítem
dc.contributor.advisor | Calonge Cano, Teodoro | es |
dc.contributor.author | Toquero Barón, Miguel | |
dc.contributor.editor | Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid | es |
dc.date.accessioned | 2021-11-19T17:51:09Z | |
dc.date.available | 2021-11-19T17:51:09Z | |
dc.date.issued | 2021 | |
dc.identifier.uri | https://uvadoc.uva.es/handle/10324/50444 | |
dc.description.abstract | Hace varias décadas, la Inteligencia Artificial (IA) se convirtió en un paradigma, el cual fue la base de muchos proyectos informáticos para ser aplicados a muy diversos campos de nuestra vida. Uno de ellos fue el de la Salud, donde la influencia de la IA es cada vez mayor. Es más, hoy en día nadie conoce el límite en esta área. Debido a la actual situación de pandemia en todo el mundo, la IA se ha aplicado también al tratamiento de enfermedades Covid-19. Precisamente, uno de los síntomas más preocupantes es la neumonía, ya que puede provocar la muerte del paciente. En este trabajo se propone un sistema de clasificación de imágenes de tórax mediante Aprendizaje Automático. En particular, se ha implementado un prototipo de Aprendizaje Profundo para realizar el correspondiente reconocimiento de imágenes. En concreto, se compone de varias capas de Neuronas Artificiales Convolucionales, así como de un conjunto de capas de neuronas densas (Perceptrón Multicapa). La precisión de la clasificación obtenida fue superior al 95% utilizando imágenes que nunca fueron introducidas en nuestro sistema. Además, se ha probado una reciente interpretación de imágenes perteneciente a las técnicas de Visión Artificial, en particular, Grad-CAM, que trata de retornar las áreas de imagen más influyentes utilizadas por una Red Neuronal Convolucional en un problema de clasificación. Por el momento, no se ha comprobado si las áreas obtenidas por Grad-CAM son similares a las que los médicos especialistas en pulmón utilizan para el diagnóstico de la neumonía. | es |
dc.description.abstract | Several decades ago, the Artificial Intelligence (AI) became a paradigm which was the basis of a lot of computing projects to be applied to a very different fields of our life. One of them was the Health, where the IA influence is growing up everyday. Even more, nowadays no body knows limit in this area. Due to the present pandemic worldwide situation, the IA has been also applied to Covid-19 disease treatment. Precisely, one the most worrying symptoms is the pneumonia, because it could lead to the patient dead. In this work, an X-ray thorax image classification system is proposed using Machine Learning. In particular, a Deep Learning prototype was implemented to carry out the corresponding image recognition. More precisely, it is made up of several Convolutional Artificial Neurons layers, as well as set of dense neurons layers (Multiplayer Perceptron). The classification accuracy obtained was greater than 95% using images never input to our system. In addition, a recent image interpretation belonging to Vision Artificial techniques has been proved, in particular, Grad-CAM, that tries to return the most influence image areas used by a Convolutional Neural Network in a classification problem. As for now, it is not verified if the areas obtained by Grad-CAM are similar to the lung specialist physicians use to consider for the pneumonia diagnostic. | 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 | Redes neuronales convolucionales | es |
dc.subject.classification | Aprendizaje profundo | es |
dc.subject.classification | Clasificación de imágenes | es |
dc.title | Clasificación de imágenes médicas de Rayos-X mediante redes neuronales convolucionales | es |
dc.type | info:eu-repo/semantics/bachelorThesis | es |
dc.description.degree | Grado en Ingeniería Informática | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
- Trabajos Fin de Grado UVa [28700]
![Attribution-NonCommercial-NoDerivatives 4.0 Internacional](/themes/Mirage2//images/creativecommons/cc-by-nc-nd.png)