RT info:eu-repo/semantics/bachelorThesis T1 Visualización e interpretación de redes neuronales convolucionales mediante dropout espacial A1 Hernández Hernández, Abián AB El glaucoma es una de las principales causas de la ceguera total a nivel mundial, por lo que suidentificación a tiempo es crucial.En los últimos años con el avance de las tecnologías, en concreto con el avance de las técnicasde computación y Deep Learnig, se ha abierto otra posible vía para generar una herramienta quefacilite el diagnóstico del glaucoma. En esta línea de investigación es en la que trabaja un grupode profesores de la ULL entre los que se encuentra el tutor de este Trabajo de Fin de Grado.El objetivo principal del mismo es estudiar en qué partes de una retinografía se fija una red neuronalentrenada para clasificar si el ojo está sano o no, y ver si existe coincidencia entre esas regiones de laimagen y estructuras anatómicas o sectores del disco óptico que son relevantes para los especialistasen sus diagnósticos.Con ese fin, se han utilizado métodos de visualización tipo CAM: Grad-CAM, Grad-CAM++ yScore-CAM, para generar mapas de calor de la imagen de entrada que resalten las zonas de interés.Además de estos métodos, se introduce uno nuevo desarrollado por el tutor, el cual selecciona unconjunto mínimo de pixels de la imagen que constituyen la información fundamental a preservarpor la red neuronal para poder hacer la predicción sin que la probabilidad asignada a la clasecorrespondiente se vea apenas alterada. Se han evaluado sus prestaciones y se ha visto que puedeser una alternativa muy interesante a los otros métodos. YR 2020 FD 2020 LK http://riull.ull.es/xmlui/handle/915/21778 UL http://riull.ull.es/xmlui/handle/915/21778 LA es DS Repositorio institucional de la Universidad de La Laguna RD 29-mar-2024