Mostra el registre d'ítem simple
Detecció automàtica de la tuberculosi
dc.contributor | Sayrol Clols, Elisa |
dc.contributor | Vilaplana Besler, Verónica |
dc.contributor.author | Isart Delgado, Antoni |
dc.contributor.other | Universitat Politècnica de Catalunya. Departament de Teoria del Senyal i Comunicacions |
dc.date.accessioned | 2019-02-08T10:44:51Z |
dc.date.available | 2019-02-08T10:44:51Z |
dc.date.issued | 2018-07 |
dc.identifier.uri | http://hdl.handle.net/2117/128776 |
dc.description.abstract | Tuberculosis (TB) is a respiratory infectious disease that mainly affects the lungs and can cause the death of people who suffer it. Currently, in tropical and subtropical countries, the disease is growing and the resources to fight it are scarce. It is transmitted by the air, so it can be easily and rapidly extended in a prolonged exposure of the infectious agent. To prevent its extinction and the onset of epidemics, it is important to detect TB as soon as possible. Subjectivity and human errors can lead to an incorrect diagnosis. For that reason, it is necessary to use automated and robust algorithms to detect TB effectively, as a complement to the medical analysis. In this project a methodology is developed to detect the TB automatically using a technology called Deep Learning. Through a convolutional neural network called U-Net, used in many other fields of medical images, and a database of positive samples, some measures, such as precision and sensitivity, are analyzed. In addition, the conditions and parameters necessary to achieve an optimum detection system are specified. |
dc.description.abstract | La tuberculosis (TB) es una enfermedad infecciosa respiratoria que afecta principalmente a los pulmones y puede causar la muerte de algunas personas que la padecen, tanto en países tropicales como subtropicales, ya que los recursos para combatir esta enfermedad son escasos. Se transmite por vía aérea, y por lo tanto se puede contagiar fácilmente y rápidamente con una exposición prolongada del agente infeccioso. Para evitar la extinción de esta y la aparición de epidemias, es importante detectar la TB lo antes posible. La subjetividad y el error humano puede derivar a un diagnóstico incorrecto. Por este motivo, es necesario utilizar algoritmos automáticos y robustos para detectar la TB de manera eficaz, como complementación del análisis médico. En este proyecto se desarrolla una metodología para detectar la TB automáticamente utilizando una tecnología basada en Deep Learning. Mediante una red neuronal convolucional llamada U-Net, utilizada en muchos otros campos de procesado de imágenes médicas, y una base de datos de muestras positivas se analizan algunas medidas como la precisión y sensibilidad. Además, se especifican las condiciones y los parámetros necesarios para lograr un sistema óptimo de detección. |
dc.description.abstract | La tuberculosi (TB) és una malaltia infecciosa respiratòria que afecta principalment els pulmons i pot causar la mort d'algunes persones que la pateixen, tant en països tropicals com subtropicals, ja que els recursos per combatre aquesta malaltia són escassos. Es transmet per via aèria, de manera que es pot contagiar fàcilment i ràpidament en una exposició prolongada de l'agent infecciós. Per tal d'evitar l'extensió d'aquesta i l'aparició d'epidèmies, és important detectar la TB com més aviat millor. La subjectivitat i l'error humà pot derivar a un diagnòstic incorrecte. Per aquest motiu, és necessari utilitzar algoritmes automàtics i robustos per detectar la TB de manera eficaç, com a complementació de l'anàlisi mèdic. En aquest projecte es desenvolupa una metodologia per detectar la TB automàticament utilitzant una tecnologia basada en Deep Learning. Mitjançant una xarxa neuronal convolucional anomenada U-Net, utilitzada en molts altres camps de processat d'imatges mèdiques, i una base de dades de mostres positives s'analitzen algunes mesures com ara la precisió i sensibilitat. A més a més, s'especifiquen les condicions i els paràmetres necessaris per aconseguir un sistema òptim de detecció. |
dc.language.iso | cat |
dc.publisher | Universitat Politècnica de Catalunya |
dc.rights | S'autoritza la difusió de l'obra mitjançant la llicència Creative Commons o similar 'Reconeixement-NoComercial- SenseObraDerivada' |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
dc.subject | Àrees temàtiques de la UPC::Enginyeria de la telecomunicació |
dc.subject.lcsh | Machine learning |
dc.subject.lcsh | Object-oriented databases |
dc.subject.lcsh | Image processing |
dc.subject.lcsh | Smart power grids |
dc.subject.other | U-Net |
dc.subject.other | Ziehl-Neelsen |
dc.subject.other | CNN |
dc.subject.other | tuberculosis |
dc.title | Detecció automàtica de la tuberculosi |
dc.title.alternative | Automatic detection of tuberculosis |
dc.title.alternative | Detección automàtica de la tuberculosi |
dc.type | Bachelor thesis |
dc.subject.lemac | Aprenentatge automàtic |
dc.subject.lemac | Bases de dades orientades a objectes |
dc.subject.lemac | Imatges -- Processament |
dc.subject.lemac | Xarxes elèctriques intel·ligents |
dc.identifier.slug | ETSETB-230.134738 |
dc.rights.access | Open Access |
dc.date.updated | 2019-01-17T06:51:08Z |
dc.audience.educationlevel | Grau |
dc.audience.mediator | Escola Tècnica Superior d'Enginyeria de Telecomunicació de Barcelona |
dc.audience.degree | GRAU EN ENGINYERIA DE TECNOLOGIES I SERVEIS DE TELECOMUNICACIÓ (Pla 2015) |