Detección de efectos del virus Covid19 en imágenes de rayos X mediante redes neuronales
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/350065
Tipus de documentTreball Final de Grau
Data2021-07-12
Condicions d'accésAccés obert
Llevat que s'hi indiqui el contrari, els
continguts d'aquesta obra estan subjectes a la llicència de Creative Commons
:
Reconeixement-NoComercial-CompartirIgual 3.0 Espanya
Abstract
La Inteligencia Artificial se ha vuelto una disciplina que trata cualquier ámbito, en este trabajo se ha realizado una aplicación en el ámbito de la salud. Se ha creado un modelo de aprendizaje automático, que clasifica imágenes de rayos-X del tórax, en positivas o negativas frente al virus COVID-19, previamente clasificados. El objetivo de este trabajo es encontrar un modelo que realice dicha clasificación correctamente, mediante redes neuronales. Los datos utilizados son proporcionados por la página web kaggle[12] y se trata de datos desequilibrados, se han estudiado los parámetros, métodos y métricas a tener en cuenta a la hora de clasificar datos desequilibrados. Se han entrenado varios modelos, un primer modelo con los datos desequilibrados, un segundo modelo añadiendo un ajuste al modelo anterior y finalmente, se ha realizado un modelo a partir de un subconjunto de las muestras para poder tratar con datos equilibrados y mejorar la clasificación. Los resultados obtenidos no han sido los esperados, debido a la similitud entre las imágenes y la
complicación que conlleva tratar con datos desequilibrados, sin embargo, se han obtenido resultados significativos. El modelo que mejor ha realizado la clasificación ha conseguido detectar un 45,5 % de las muestras con COVID-19 Artificial Intelligence has become a discipline that deals with any field, in this work an application has been made in the field of health. A deep learning model has been created, which classifies X-ray images of the chest, as positive or negative against the COVID-19 virus, previously classified. The objective of this work is to find a model that performs this classification correctly, using neural networks. The data used are provided by the kaggle [12] website and it is about unbalanced data. The parameters, methods and metrics to take into account when classifying unbalanced data have been studied. Several models have been trained, a first model with unbalanced data, a second model adding an adjustment to the previous model and finally, a model has been made from a subset of the samples to be able to deal with balanced data and improve the classification. The results obtained have not been as expected, due to the similarity between the images and the complication involved in dealing with unbalanced data, however, significant results have been obtained. The model that performed the best classification detected 45.5 % of the samples with COVID-19
MatèriesArtificial intelligence -- Medical applications, Computer vision in medicine -- Mathematical models, COVID-19 (Disease) -- Diagnosis, Radioscopic -- Software, Intel·ligència artificial -- Aplicacions a la medicina, Visió per ordinador en medicina -- Models matemàtics, COVID-19 (Malaltia) -- Radiografia -- Programari
TitulacióGRAU EN ENGINYERIA EN TECNOLOGIES INDUSTRIALS (Pla 2010)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
memoria-tfg-fatima.pdf | 5,008Mb | Visualitza/Obre |