Publicación: Análisis de imagen médica usando redes neuronales siamesas
Cargando...
Fecha
2024-10
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 de Educación a Distancia (UNED)
Resumen
Este Trabajo Fin de Máster se enmarca en el proyecto de análisis de imágenes médicas mediante el uso de técnicas de deep learning, con un enfoque particular en la implementación de redes neuronales siamesas para la detección temprana de cáncer de mama a través de imágenes térmicas.
El objetivo principal de este estudio ha sido aplicar un enfoque eficiente para la detección temprana de cáncer de mama, dado el desafío de trabajar con un conjunto de datos pequeño y limitado en información. Se ha optado por el uso de redes siamesas, que se destacan por su capacidad para manejar pares de imágenes. Esta metodología ha demostrado ser efectiva en el contexto de imágenes térmicas, permitiendo una detección temprana con precisión adecuada incluso con pocas imágenes.
Además, se ha comparado el rendimiento de este enfoque con una implementación de redes neuronales convolucionales (CNN) utilizada como línea base, destacando las ventajas de las redes siamesas en la clasificación de imágenes médicas con recursos limitados. Se proponen también mejoras futuras, como la implementación de redes siamesas con tripletas y la inclusión de datos clínicos adicionales para mejorar el rendimiento del modelo.
This Master’s Thesis is part of a project focused on medical image analysis using deep learning techniques, with a particular focus on the implementation of siamese neural networks for early breast cancer detection through thermal imaging. The main objective of this study has been to apply an efficient approach to early breast cancer detection, given the challenge of working with a small dataset and limited information. Siamese networks were chosen for their capability to handle pairs of images. This methodology has proven effective in the context of thermal imaging, allowing for early detection with adequate accuracy even with a small number of images. Additionally, the performance of this approach was compared with a convolutional neural network (CNN) implementation used as the baseline, highlighting the advantages of siamese networks in medical image classification with limited resources. Future improvements are also proposed, such as the implementation of triplet-based siamese networks and the inclusion of additional clinical data to further enhance the model’s performance.
This Master’s Thesis is part of a project focused on medical image analysis using deep learning techniques, with a particular focus on the implementation of siamese neural networks for early breast cancer detection through thermal imaging. The main objective of this study has been to apply an efficient approach to early breast cancer detection, given the challenge of working with a small dataset and limited information. Siamese networks were chosen for their capability to handle pairs of images. This methodology has proven effective in the context of thermal imaging, allowing for early detection with adequate accuracy even with a small number of images. Additionally, the performance of this approach was compared with a convolutional neural network (CNN) implementation used as the baseline, highlighting the advantages of siamese networks in medical image classification with limited resources. Future improvements are also proposed, such as the implementation of triplet-based siamese networks and the inclusion of additional clinical data to further enhance the model’s performance.
Descripción
Categorías UNESCO
Palabras clave
aprendizaje profundo, redes neuronales siamesas, cáncer de mama, imágenes térmicas, detección temprana, conjuntos de datos pequeños, eficiencia en aprendizaje, línea base, validación cruzada, deep learning, siamese neural networks, breast cancer, thermal imaging, early detection, small datasets, efficiency in learning, baseline, cross validation
Citación
Roig Martín, Roberto (2024) Análisis de imagen médica usando redes neuronales siamesas. Trabajo Fin de Máster. Universidad de Educación a Distancia (UNED)
Centro
Facultades y escuelas::E.T.S. de Ingeniería Informática
Departamento
Inteligencia Artificial