RT Generic
T1 Evaluación comparativa de métodos de detección de anomalias en imágenes médicas de alta resolución.
T2 Comparative evaluation of anomaly detection methods in high-resolution medical images.
A1 Pino Padilla, Carlos
K1 Informática - Trabajos Fin de Grado
K1 Grado en Ingeniería Informática - Trabajos Fin de Grado
AB Este Trabajo de Fin de Grado explora la detección de anomalías en radiografías de tórax mediante técnicas de aprendizaje auto-supervisado (SSL). La falta de imágenes médicas etiquetadas de forma manual, debido al alto coste y tiempo que requiere, limita la aplicación de modelos supervisados tradicionales. Ante este reto, se propone el uso de modelos que aprenden directamente a partir de datos no etiquetados, sin necesidad de anotaciones externas.El objetivo principal del proyecto es analizar, entrenar y evaluar varios enfoques auto-supervisados aplicados a imágenes médicas, comparando sus resultados para extraer conclusiones sobre su rendimiento y utilidad. Para ello, se han implementado tres modelos representativos: AutoEncoder (basado en reconstrucción), SimCLR (aprendizaje contrastivo) y SWSSL (que introduce ventanas deslizantes para conservar la resolución local). Todos han sido entrenados exclusivamente con imágenes normales, simulando un entorno real sin supervisión.El conjunto de datos utilizado es Chest X-ray, y la evaluación se ha realizado aplicando métricas clínicas estándar como AUC, F1-score, precisión, sensibilidad y exactitud. Los resultados muestran que, aunque ningún modelo alcanza un nivel clínico, todos logran detectar diferencias entre imágenes normales y patológicas. Además, se identifican qué ajustes o estrategias han contribuido a mejorar el rendimiento y qué limitaciones computacionales han influido.Este trabajo no solo aporta una visión clara del potencial del aprendizaje auto-supervisado en medicina, sino que también ofrece un análisis comparativo útil entre diferentes estrategias. Todo el código ha sido documentado y organizado con vistas a su reutilización.
YR 2025
FD 2025
LK https://hdl.handle.net/10630/46206
UL https://hdl.handle.net/10630/46206
LA spa
DS RIUMA. Repositorio Institucional de la Universidad de Málaga
RD 7 abr 2026