dc.contributor.advisor | Pérez González, Carlos Javier | |
dc.contributor.author | Aranda Elvira, Ainhoa | |
dc.contributor.other | Máster Universitario en Ciberseguridad e Inteligencia de Datos Por la Ull | |
dc.date.accessioned | 2024-06-11T09:15:19Z | |
dc.date.available | 2024-06-11T09:15:19Z | |
dc.date.issued | 2024 | |
dc.identifier.uri | http://riull.ull.es/xmlui/handle/915/37756 | |
dc.description.abstract | El objetivo de este Trabajo de Fin de Máster (TFM) es desarrollar una herramienta que
mejore la precisión y rapidez en el diagnóstico de condiciones médicas mediante el uso de
imágenes biomédicas, específicamente rayos X de tórax. El enfoque principal es utilizar
técnicas de aprendizaje profundo, concretamente redes neuronales convolucionales
(CNN), aprovechando el método de transfer learning. Esta herramienta se centrará en la
clasificación de imágenes de rayos X en tres categorías: COVID-19, neumonía y normal.
Al implementar modelos de CNN preentrenados como VGG16 y LeNet-5, y utilizando la
biblioteca PyTorch Lightning para facilitar el entrenamiento y la gestión de experimentos,
se busca proporcionar una solución eficaz que pueda ser integrada en entornos clínicos
para ayudar a los profesionales de la salud a tomar decisiones más informadas y rápidas. | es_ES |
dc.description.abstract | The objective of this Master’s Thesis (TFM) is to develop a tool that enhances the
accuracy and speed of diagnosing medical conditions using biomedical images, specifically
chest X-rays. The main focus is to use deep learning techniques, particularly convolutional
neural networks (CNN), leveraging the method of transfer learning. This tool will focus
on classifying X-ray images into three categories: COVID-19, pneumonia, and normal.
By implementing pre-trained CNN models such as VGG16 and LeNet-5, and using the
PyTorch Lightning library to facilitate training and experiment management, the goal
is to provide an effective solution that can be integrated into clinical settings to help
healthcare professionals make more informed and rapid decisions | en |
dc.format.mimetype | application/pdf | |
dc.language.iso | es | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.rights | Licencia Creative Commons (Reconocimiento-No comercial-Sin obras derivadas 4.0 Internacional) | |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es_ES | |
dc.title | Clasificación de imágenes pulmonares con redes neuronales convolucionales | |
dc.type | info:eu-repo/semantics/masterThesis | |
dc.subject.keyword | Clasificación de imágenes, redes neuronales convolucionales, Python,
Pytorch Lightning | es_ES |
dc.subject.keyword | Image classification, convolutional neural networks, Python, Pytorch Lightning | en |