Publicación: Reconocimiento automático de signos radiológicos de atelectasia en radiografías de tórax con CNN
Fecha
2022-10-13
Autores
Editor/a
Director/a
Tutor/a
Coordinador/a
Prologuista
Revisor/a
Ilustrador/a
Derechos de acceso
info:eu-repo/semantics/openAccess
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Nacional de Educación a Distancia (España). Facultad de Ciencias
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.
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.
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.
Descripción
Categorías UNESCO
Palabras clave
Citación
Centro
Facultades y escuelas::Facultad de Ciencias
Departamento
Física Matemática y de Fluídos