RT info:eu-repo/semantics/bachelorThesis
T1 Clasificación y explicabilidad de imágenes tumorales cerebrales con Aprendizaje Profundo (Deep Learning)
A1 Arranz Simón, Jorge
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid
K1 Inteligencia Artificial
K1 Aprendizaje Profundo
K1 Redes Neuronales Convolucionales
K1 Grad-CAM
AB Hoy en día, la Inteligencia Artificial (IA) se entrena para gran variedad de tareas, como el reconocimiento de patrones, la toma de decisiones y la resolución de problemas. De entre todo el abanico de posibilidades que ofrecen estas técnicas, en este trabajo se busca aplicar modelos basados en IApara resolver problemas relacionados con la Medicina, y más concretamente, con los tumores cerebrales, una de las causas de muerte principales entre hombres y mujeres. La detección prematura de los mismos es la mejor ayuda para lograr un tratamiento curativo, y es por esto, que el objetivo fundamental que se planteaes el desarrollo de un modelo, que utilice Redes Neuronales Convolucionales (CNN), y permita caracterizar las imágenes de resonancia magnética entre tres tipos de tumores: Meningioma, Glioma y tumor de Pituitaria. A mayores, se incluirá una capa de explicabilidad Grad-CAM, que permitirá visualizar las regiones de la imagen utilizadas para realizar la predicción.El modelo final obtenido logra una tasa de clasificación superior al 90 %, pudiendo entender a través de la capa de interpretabilidad cuáles son las zonas de más influencia para cada predicción.
YR 2023
FD 2023
LK https://uvadoc.uva.es/handle/10324/62839
UL https://uvadoc.uva.es/handle/10324/62839
LA spa
NO Departamento de Informática (Arquitectura y Tecnología de Computadores, Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos)
DS UVaDOC
RD 18-jul-2024