RT info:eu-repo/semantics/bachelorThesis
T1 Estudio de utilización de redes neuronales convolucionales en Tensorflow para segmentación de imagen médica
A1 García Higuera, Roberto
A2 Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de Telecomunicación
K1 Inteligencia artificial
K1 Deep Learning
K1 Redes neuronales convolucionales
AB El objetivo de este Trabajo Fin de Grado consiste en el desarrollo de un estudio deutilización de redes neuronales convolucionales vía software para la segmentación deimágenes biomédicas procedentes de una base de datos (dataset) de resonanciasmagnéticas con el fin de facilitar el diagnóstico médico.A través de los diferentes puntos de vista a la hora de enfocar la problemática de lasegmentación de las imágenes elegiremos la mejor opción para abordar el estudio.Estudiaremos la teoría de las redes neuronales, donde nos centraremos en lasoperaciones que se realizarán en las redes convolucionales. Tras esto, veremos unmodelo real para nuestro problema donde se realizarán las distintas modificaciones, conel fin de implementar de una forma funcional un modelo de redTodo este estudio se basa en el uso de la Inteligencia Artificial, sustentada en el conceptode Deep Learning, entendiendo los conceptos básicos de dicha teoría, y desarrollándolesespecialmente a través de TensorFlow.Expondremos los fundamentos teóricos y matemáticos en los que basamos nuestrodiseño de redes neuronales, estudiaremos la mejor manera de trabajar nuestra basedatos con nuestro sistema de Deep Learning, el procesamiento más correcto de los datosy a continuación expondremos las decisiones tomadas para el diseño de las diferentesredes usadas, realizando diferentes pruebas para ajustar los parámetros para conseguirlos mejores resultados.Finalmente trabajaremos con las redes diseñadas, analizaremos los resultadosmatemática y gráficamente, valorando si nuestros modelos son funcionales y operativos,fin con el que desarrollamos este estudio de Trabajo de Fin de Grado.
YR 2020
FD 2020
LK http://uvadoc.uva.es/handle/10324/42483
UL http://uvadoc.uva.es/handle/10324/42483
LA spa
DS UVaDOC
RD 17-jul-2024