Redes Convolucionales. Aplicación a la clasificación de imágenes médicas

Abstract

En este trabajo de investigación, se ha abordado el estudio de las redes convolucionales y su aplicación en la clasificación de imágenes médicas. El objetivo principal ha sido adquirir un mayor conocimiento sobre esta técnica de aprendizaje automático y desarrollar un modelo de clasificación efectivo. Para lograrlo, se ha realizado un exhaustivo estudio teórico sobre las redes convolucionales, comprendiendo su arquitectura, funcionamiento y aplicaciones en el campo de la visión por computadora. Se ha explorado la literatura científica y se han analizado diferentes enfoques y metodologías utilizadas en trabajos previos. Posteriormente, se ha procedido a la creación de un modelo de clasificación de imágenes médicas utilizando una red convolucional. Se ha empleado un dataset de tumores cerebrales, que ha sido debidamente procesado y dividido en conjuntos de entrenamiento, validación y evaluación. A través del uso de la biblioteca PyTorch y la plataforma de desarrollo colaborativo Google Colab, se ha implementado y entrenado el modelo, ajustando los hiperparámetros y optimizando su rendimiento. Además de la creación y entrenamiento del modelo, se ha llevado a cabo la implementación de una interfaz de usuario interactiva utilizando la plataforma Anvil. A través de esta interfaz, se ha brindado una solución intuitiva y accesible para que los usuarios puedan cargar imágenes y obtener predicciones sobre el tipo de tumor cerebral presente en ellas.