2026-05-27T05:29:53Zhttps://riuma.uma.es/rest/oai/requestoai:riuma.uma.es:10630/451372026-02-04T00:45:20Zcom_10630_1685col_10630_38055
Estudio del rendimiento de varios modelos de redes neuronales con imágenes de resonancia magnética asociadas a la demencia
Martín Vera, Sergio
Hurtado Requena
Navas-Delgado, Ismael
Hurtado-Requena, Sandro José
Informática - Trabajos Fin de Grado
Grado en Ingeniería de la Salud - Trabajos Fin de Grado
Este Trabajo de Fin de Grado tiene como objetivo evaluar el rendimiento de
distintos modelos de redes neuronales profundas en la clasificación de imágenes
de resonancia magnética (RM) cerebral relacionadas con el diagnóstico de la demencia.
La demencia es un trastorno neurológico progresivo que afecta gravemente
a las capacidades cognitivas, por lo que su detección temprana resulta esencial
para mejorar tanto el tratamiento como la calidad de vida del paciente. Las resonancias
magnéticas ofrecen una técnica no invasiva que permite observar con
detalle posibles alteraciones estructurales en el cerebro asociadas a esta enfermedad.
El proyecto analiza el comportamiento de diez arquitecturas de redes convolucionales
disponibles en la librería TensorFlow: InceptionV3, ResNet50, Res-
Net50V2, ResNet101, ResNet101V2, ResNet152, ResNet152V2, VGG16, VGG19 y
Xception. Para ello se ha utilizado un conjunto de datos público y etiquetado,
compuesto por imágenes de resonancia magnética cerebral.
Además, se ha desarrollado una interfaz gráfica de usuario mediante el framework
Gradio, que permite cargar conjuntos de datos, entrenar modelos, evaluarlos
y mostrar métricas clave como precisión, pérdida, matrices de confusión e informes
de clasificación.
Esta herramienta facilita el análisis comparativo de los modelos y su posible
aplicación en entornos clínicos reales.
2026-02-03T12:47:24Z
2025-06
bachelor thesis
https://hdl.handle.net/10630/45137
spa
http://creativecommons.org/licenses/by-nc-nd/4.0/
open access
Attribution-NonCommercial-NoDerivatives 4.0 International