RT info:eu-repo/semantics/bachelorThesis
T1 Redes convolucionales 2D en Pytorch : clasificación de imágenes de TAC de retina (OCT)
A1 Izquierdo Álvarez, Mario
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid
K1 Deep Learning
K1 OCT
K1 PyTorch
K1 Machine Learning
AB En la actualidad, los progresos en el campo de la Inteligencia Artificial han destacadoenormemente, abriendo la discusión sobre su impacto en diferentes sectores. Particularmente,el sanitario puede beneficiarse en gran medida de estas tecnologías, que tienen elpotencial de facilitar la detección precoz de enfermedades, agilizar las tareas médicas ymejorar la precisión de los diagnósticos.El presente Trabajo de Fin de Grado, explora el área de la Visión por Computador,proponiendo un sistema de diagnóstico de enfermedades retinianas a partir de imágenesde secciones transversales de Tomografías de Coherencia Óptica (OCT). Dentro de la MedicinaOftalmológica, las OCT permiten a los profesionales de la salud una visualizaciónde alta resolución de las capas y estructura internas de la retina, lo cual facilita el diagnósticode anomalías presentes. Sin embargo, esta tarea resulta especialmente laboriosa,y puede estar sujeta a errores humanos.En este estudio, se presenta el marco teórico y práctico para el desarrollo de un clasificadorde imágenes OCT, utilizando técnicas de Aprendizaje Profundo, específicamente,Redes Neuronales Convolucionales. El modelo propuesto alcanza una precisión superioral 96 % en la clasificación de imágenes OCT no presentadas previamente al sistema; noobstante, es importante destacar que los diagnósticos ofrecidos no han de considerarsedefinitivos, pues para obtener la máxima fiabilidad de estos, es necesaria la intervenciónhumana. Para ello, el trabajo realizado se ha complementado con la implementaciónde Grad-CAM, un algoritmo que produce una visualización justificatoria del diagnósticoofrecido por el sistema, lo cual resulta de gran utilidad para la interpretación de losresultados.Como culmen de este proyecto, se desarrolla una aplicación web, que permite utilizarde forma sencilla e intuitiva el sistema de diagnóstico.
YR 2023
FD 2023
LK https://uvadoc.uva.es/handle/10324/62935
UL https://uvadoc.uva.es/handle/10324/62935
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 02-dic-2024