2026-05-05T21:48:58Zhttps://uvadoc.uva.es/oai/requestoai:uvadoc.uva.es:10324/450612021-06-30T04:56:26Zcom_10324_38col_10324_852
Seguimiento de gasas quirúrgicas en imágenes de laparoscopia empleando redes neuronales convolucionales
Santos Criado, Francisco Javier
Fuente López, Eusebio de la
Universidad de Valladolid. Escuela de Ingenierías Industriales
Cirugía laparoscópica
Gossypiboma
Detección
Redes neuronales
Matlab
2209.90 Tratamiento Digital. Imágenes
El objetivo del presente proyecto es el de realizar un sistema de procesamiento de
imágenes basado en técnicas de inteligencia artificial para la detección y
seguimiento automático de gasas en operaciones de cirugía laparoscópica con
objeto de evitar la retención involuntaria de estas en el interior del paciente.
Este tipo de error médico, aunque es poco frecuente, puede tener consecuencias
muy graves para la salud del paciente pudiendo causar incluso la muerte.
En el algoritmo de detección y seguimiento de gasas desarrollado en este TFG se ha
intentado buscar un equilibrio entre precisión, sensibilidad y tiempo de
procesamiento por lo que se han realizado distintas pruebas empleando tres tipos
de redes convolucionales (AlexNet, ResNet y GoogLeNet) analizando las prestaciones
de cada una de ellas. Finalmente se ha logrado un algoritmo de detección de gasas
con precisión y sensibilidad entorno al 99% y capaz de procesar 3 imágenes por
segundo
The aim of this present project is to perform a system of the image processing based
on techniques of artificial intelligence for the detection and automatic monitoring of
the gauzes in the operation of laparoscopic surgery with the aim to prevent the
involuntary retention of gauzes in the inner body of the patient.
Although this type of medical error is a rare event, it could have serious consequences
in the patient’s health ending even in death.
The algorithm based on the detection and tracking of the gauzes created in this Final
Project has pretended to find a balance between precision, sensibility, and time of
processing. So different tests have been carried out using three types of
convolutional networks (AlexNet, ResNet y GoogLeNet) with a view to analyse its
benefits and to develop the algorithm of detection and monitoring of gauzes. Finally,
a gauze detection algorithm has been achieved with precision and sensitivity around
99% and it is capable of processing 3 images per second.
Departamento de Ingeniería de Sistemas y Automática
Grado en Ingeniería en Electrónica Industrial y Automática
2021-01-18T14:58:22Z
2021-01-18T14:58:22Z
2020
info:eu-repo/semantics/bachelorThesis
http://uvadoc.uva.es/handle/10324/45061
spa
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/
application/pdf
https://uvadoc.uva.es/bitstream/10324/45061/5/TFG-I-1746.pdf.jpg
Hispana
TEXT
http://creativecommons.org/licenses/by-nc-nd/4.0/
UVaDOC. Repositorio Documental de la Universidad de Valladolid
http://uvadoc.uva.es/handle/10324/45061