Estudio y entrenamiento de redes neuronales para la detección de enfermedades torácicas

Rebollar Medina, Daniel (2022). Estudio y entrenamiento de redes neuronales para la detección de enfermedades torácicas. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. de Sistemas Informáticos (UPM), Madrid.

Description

Title: Estudio y entrenamiento de redes neuronales para la detección de enfermedades torácicas
Author/s:
  • Rebollar Medina, Daniel
Contributor/s:
  • Ortega Requena, Fernando
Item Type: Final Project
Degree: Grado en Ingeniería del Software
Date: June 2022
Subjects:
Freetext Keywords: Redes neuronales convolucionales; Inteligencia artificial; Deep learning; Rayos X; Detección de enfermedades
Faculty: E.T.S.I. de Sistemas Informáticos (UPM)
Department: Sistemas Informáticos
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img] PDF - Users in campus UPM only - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (1MB)
[img] Archive (ZIP) - Users in campus UPM only
Download (1MB)

Abstract

Este proyecto se ubica dentro del campo de la Inteligencia Artificial, concretamente en el campo del Deep Learning y profundiza en el uso de Redes Neuronales Convolucionales aplicadas al sector médico para la detección de enfermedades. El proyecto busca obtener modelos capaces de identificar y/o detectar enfermedades en base a imágenes de rayos X de tórax. En el proyecto se muestra el estudio, análisis y preprocesamiento de los datos que se emplearán para el entrenamiento, validación y test de los diferentes modelos y arquitecturas probadas. Se desarrollan una serie de modelos con el objetivo de mejorar los resultados obtenidos así como la búsqueda de nuevos enfoques al problema planteado, entre estos podemos encontrar el uso de Transfer Learning o la reinterpretación del problema original para esta vez intentar diferenciar entre pacientes enfermos y sanos. En el trabajo no se llegaron a conseguir buenos resultados para la detección de enfermedades específicas en pacientes, pero sí se consiguió una precisión aceptable en la detección de pacientes enfermos en base a sus radiografías. Como conclusiones del proyecto extraemos la dificultad de abordar el problema de detectar enfermedades específicas en imágenes con los medios de los que se disponía y la seguridad de que se trata de un problema que a día de hoy el campo de la Inteligencia Artificial es capaz de abordar. Abstract: This project is located within the field of Artificial Intelligence, specifically in the field of Deep Learning and delves into the use of Convolutional Neural Networks applied to the medical sector for disease detection. The project seeks to obtain models capable of identifying and/or detecting diseases based on chest X-ray images. The project shows the study, analysis and preprocessing of the data to be used for training, validation and testing of the different models and architectures developed. A series of models are developed with the aim of improving the results obtained as well as the search for new approaches to the problem posed, among these we can find the use of Transfer Learning or the reinterpretation of the original problem to try to differentiate between sick and healthy patients. The work did not achieve good results for the detection of specific diseases in patients, but it did achieve an acceptable accuracy in the detection of sick patients based on their radiographs. The conclusions of the project are the difficulty of tackling the problem of detecting specific diseases in images with the available means and the certainty that this is a problem that to date the field of Artificial Intelligence is capable of tackling.

More information

Item ID: 70561
DC Identifier: https://oa.upm.es/70561/
OAI Identifier: oai:oa.upm.es:70561
Deposited by: Biblioteca Universitaria Campus Sur
Deposited on: 07 Jun 2022 06:02
Last Modified: 07 Jun 2022 07:10
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM