Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/11000/30233
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | Peñalver Benavent, Antonio | - |
dc.contributor.author | Gómez Pujante, Begoña | - |
dc.contributor.other | Departamentos de la UMH::Ingeniería de Computadores | es_ES |
dc.date.accessioned | 2023-11-22T08:01:19Z | - |
dc.date.available | 2023-11-22T08:01:19Z | - |
dc.date.created | 2023-06 | - |
dc.identifier.uri | https://hdl.handle.net/11000/30233 | - |
dc.description.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. | es_ES |
dc.format | application/pdf | es_ES |
dc.format.extent | 94 | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Universidad Miguel Hernández de Elche | es_ES |
dc.rights | info:eu-repo/semantics/openAccess | es_ES |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | red convolucional | es_ES |
dc.subject | tumores cerebrales | es_ES |
dc.subject | dataset | es_ES |
dc.subject | entrenamiento | es_ES |
dc.subject | métricas | es_ES |
dc.subject | overfitting | es_ES |
dc.subject.other | CDU::6 - Ciencias aplicadas::62 - Ingeniería. Tecnología | es_ES |
dc.title | Redes Convolucionales. Aplicación a la clasificación de imágenes médicas | es_ES |
dc.type | info:eu-repo/semantics/bachelorThesis | es_ES |
![Vista previa](/jspui/retrieve/9c19b6d1-78e0-40ed-8927-6980f2736daa/TFG-G%c3%b3mez%20Pujante%2c%20Bego%c3%b1a.pdf.jpg)
Ver/Abrir:
TFG-Gómez Pujante, Begoña.pdf
4,92 MB
Adobe PDF
Compartir:
La licencia se describe como: Atribución-NonComercial-NoDerivada 4.0 Internacional.