RT info:eu-repo/semantics/bachelorThesis
T1 Estudio comparativo de clasificación de imágenes médicas, usando técnicas de Inteligencia Artificial basadas en Transformers, frente a Redes Convolucionales
A1 Carbajo Valor, Ismael
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid
K1 Aprendizaje profundo
K1 Vision Transformer
K1 Clasificación de imágenes médicas (CXR, MRI, OCT)
K1 ViT-ReciproCAM
AB La aplicación de modelos de Aprendizaje Automático en el ámbito de la Medicina, hademostrado un gran potencial en tareas de diagnóstico y clasificación de imágenes. En esteTrabajo de Fin de Grado, se ha explorado el uso de arquitecturas Vision Transformer (ViT),un enfoque relativamente reciente que ha mostrado resultados prometedores en Visión Artificial como alternativa a las tradicionales Redes Neuronales Convolucionales (CNN).El objetivo principal ha sido desarrollar e implementar un sistema de clasificación deimágenes médicas basado en ViT, evaluando su rendimiento sobre tres conjuntos de datosdistintos: radiografías de tórax, resonancias magnéticas cerebrales (MRI) y tomografías decoherencia óptica (OCT). Para ello, se han desarrollado desde cero diversas variantes demodelos ViT, incorporando diferentes técnicas. Cada uno de estos modelos cuenta con mapasde explicabilidad a través de ViT-ReciproCAM.En cuanto a los resultados, se ha observado una mejora notable respecto a modelos previosen uno de los tres conjuntos de datos. Sin embargo, en los otros dos conjuntos, no se hanobtenido resultados superiores a los logrados con enfoques basados en CNN, principalmentedebido a las dificultades de generalización que presentan los ViT en situaciones de muestraslimitadas.
YR 2025
FD 2025
LK https://uvadoc.uva.es/handle/10324/79223
UL https://uvadoc.uva.es/handle/10324/79223
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 12-ene-2026