Reconocimiento automático de signos radiológicos de atelectasia en radiografías de tórax con CNN

Pastor Sanz, José Luis. (2022). Reconocimiento automático de signos radiológicos de atelectasia en radiografías de tórax con CNN Master Thesis, Universidad Nacional de Educación a Distancia (España). Facultad de Ciencias

Ficheros (Some files may be inaccessible until you login with your e-spacio credentials)
Nombre Descripción Tipo MIME Size
PastorSanz_JoseLuis_TCI.pdf PastorSanz_JoseLuis_TCI.pdf application/pdf 2.59MB

Título Reconocimiento automático de signos radiológicos de atelectasia en radiografías de tórax con CNN
Autor(es) Pastor Sanz, José Luis
Resumen En este estudio se aplican algunos de los métodos automáticos de detección de imágenes en la especialidad radiológica de diagnóstico a partir de radiografía de tórax de pulmón, especialidad que ha cobrado relevancia durante la reciente pandemia de coronavirus. En particular se centra en la localización de atelectasias por medio de redes neuronales de convolución (CNN). Tras un ensayo inicial con una red básica sobre la base de datos de partida, donde se estudia el impacto de las diferentes configuraciones en los resultados, se ensayan métodos de mejora simplificando la base de imágenes en términos del tipo de atelectasia que se pretende descubrir. Por otra parte, se propone un método de mejora basado en la reeducación de los parámetros de la red con incremento de ejemplos en la base de entrenamiento a partir de imágenes que clasifican mal en la fase de validación.
Abstract This study explores some of the automatic image detection methods applied in radiological specialty of diagnosis from lung chest radiography, a specialty that has become relevant during the recent coronavirus pandemic. It focuses on the localization of atelectasis by means of convolution neural networks (CNN). After an initial test with a basic network over the initial database, where the impact of the different configurations on the results is studied, methods to improve are tested by simplifying the database in terms of the type of atelectasis to be discovered. On the other hand, an improvement method based on the updating of the network parameters with an increase of examples in the training base from images that misclassify in the validation phase is proposed.
Notas adicionales Trabajo de Comienzo de Investigación. Máster Universitario en Física Médica. UNED
Materia(s) Física
Editor(es) Universidad Nacional de Educación a Distancia (España). Facultad de Ciencias
Director/Tutor Pérez de Madrid, Ángel
Romero Hortelano, Miguel
Fecha 2022-10-13
Formato application/pdf
Identificador bibliuned:master-Ciencias-FMed-Jlpastor
http://e-spacio.uned.es/fez/view/bibliuned:master-Ciencias-FMed-Jlpastor
Idioma spa
Versión de la publicación acceptedVersion
Nivel de acceso y licencia http://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
Tipo de recurso master Thesis
Tipo de acceso Acceso abierto

 
Versiones
Versión Tipo de filtro
Contador de citas: Google Scholar Search Google Scholar
Estadísticas de acceso: 508 Visitas, 803 Descargas  -  Estadísticas en detalle
Creado: Wed, 19 Oct 2022, 19:29:02 CET