Mostrar el registro sencillo del ítem

dc.contributor.advisorLópez-Rubio, Ezequiel 
dc.contributor.advisorGarcía-González, Jorge
dc.contributor.authorGarcía Ciudad, Javier
dc.contributor.otherLenguajes y Ciencias de la Computaciónes_ES
dc.date.accessioned2020-11-24T10:39:54Z
dc.date.available2020-11-24T10:39:54Z
dc.date.created2020-06
dc.date.issued2020-11-24
dc.identifier.urihttps://hdl.handle.net/10630/20447
dc.description.abstractEl cáncer de piel es el cuarto tipo de cáncer más común en el mundo, el primero en numerosos países y, además, se espera que su incidencia aumente en las próximas décadas. Gran parte de ellos presentan una mortalidad baja, pero una pequeña parte, los melanomas, tienen una mortalidad más elevada. Aún así, estos presentan una tasa de supervivencia cercana al 100% cuando es detectado en las primeras etapas. No obstante, el diagnóstico de estas lesiones es complicado ya que estas patologías no son fácilmente identi ficables visualmente, por lo que un sistema de redes neuronales convolucionales capaz de clasi ficar correctamente este tipo de lesiones a partir de imágenes sería de gran utilidad. En esta l nea, se ha desarrollado un clasi ficador basado en una red convolucional Efficient- NetB0, variando distintos parámetros de entrenamiento y de la misma red hasta alcanzar un modelo fi nal. Esta red es capaz de clasi ficar imágenes de 8 patologías principales, entre las que se encuentran los principales tipos de cáncer de piel entre otras enfermedades. Además consta de otra clase más que representa a todas las patologías no incluidas en las 8 anteriores, de forma que el modelo pueda reconocer cuándo una imagen es desconocida. En el trabajo nos hemos centrado en el comportamiento que presenta el modelo de cara a esta clase. Los resultados, aunque se deben tener en cuenta sus limitaciones, son positivos, tanto en general como especifica camente en la clase nombrada anteriormente: un 74% de precisión general y una sensibilidad del 66% para dicha clase. Pero sobre todo, demuestra que aunque haya margen de mejora es posible desarrollar un sistema de estas características, por lo que sería conveniente seguir investigando en esta dirección.es_ES
dc.language.isospaes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectIngeniería biomédicaes_ES
dc.subjectImágenes en diagnósticoes_ES
dc.subjectCáncer de pieles_ES
dc.subjectInformática - Trabajos Fin de Gradoes_ES
dc.subjectGrado en Ingeniería de la Salud - Trabajos Fin de Gradoes_ES
dc.subject.otherRedes neuronales convolucionaleses_ES
dc.subject.otherInteligencia artificiales_ES
dc.subject.otherAprendizaje computacionales_ES
dc.subject.otherAprendizaje profundoes_ES
dc.subject.otherCánceres_ES
dc.subject.otherCáncer de pieles_ES
dc.subject.otherMelanomaes_ES
dc.subject.otherKerases_ES
dc.subject.otherTensor owes_ES
dc.titleClasificación de imágenes de lesiones cutáneas mediante redes neuronales convolucionales y aprendizaje profundoes_ES
dc.title.alternativeClassification of skin lesion images with convolutional neural networks and deep learninges_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.centroE.T.S.I. Informáticaes_ES
dc.rights.ccAttribution-NonCommercial-NoDerivatives 4.0 Internacional*


Ficheros en el ítem

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional