RT Generic
T1 Detección de estenosis en imágenes coronariográfícas aplicando aprendizaje profundo
T2 Detection of stenosis in coronary angiography images using Deep Learning
A1 Romero Granados, Irene
K1 Sistemas de imágenes en Medicina
K1 Imágenes, Tratamiento
K1 Corazón - Enfermedades
K1 Informática - Trabajos Fin de Grado
K1 Grado en Ingeniería de la Salud - Trabajos Fin de Grado
AB Hoy en día las cardiopatías son una de las principales causas de muerte, siendoesencial crear y mantener protocolos de prevención junto con un correcto diagnósticopara aquellos que sufran una enfermedad cardiovascular. Una de estasenfermedades es la estenosis coronaria, patología que debido al estrechamientode las arterias coronarias puede llegar a producir un infarto del miocardio o inclusola muerte. Para su diagnostico se realiza una coronariografía, prueba queconsiste en realizar una tinción de las arterias mediante el uso de un catéter, elcual permite visualizar el estado de las arterias mediante rayos X. Las imágenescoronariográficas son el resultado de dicha prueba.En este estudio se utilizarán regiones de dichas imágenes coronariográficaspara entrenar un modelo usando una red neuronal densa desde cero, junto conredes pre-entrenadas como ResNet50, EfficientNetB4 y MobileNet, y clasificarlascomo imagen con estenosis o sin estenosis. Se hará uso de la validación cruzadaen el entrenamiento para obtener un resultado que no dependa de la división delconjunto en entrenamiento y test, debido al desbalanceo de las clases del conjunto,y además se aplicarán 4 técnicas diferentes de aumento de datos para intentarmejorar los resultados de los modelos. Estas técnicas son : muestreo y aumentodel conjunto de datos, aumento de la clase minoritaria, aumento proporcional delos datos y datos sintéticos).Se evaluarán los modelos obtenidos con el conjunto de test y el que obtengamejor resultado se usará como modelo de aprendizaje integrado en una aplicaciónweb dónde cualquier usuario pueda introducir una imagen coronariográfica. En laparte del servidor de la aplicación web se dividirá la imagen coronariográfica enregiones de 32x32 y se aplicará a cada región un algoritmo de detección de estenosisusando dicho modelo y se localizará en la imagen introducida por el usuariodónde se encuentra la estenosis.
YR 2022
FD 2022-06
LK https://hdl.handle.net/10630/25052
UL https://hdl.handle.net/10630/25052
LA spa
DS RIUMA. Repositorio Institucional de la Universidad de Málaga
RD 20 ene 2026