Convolución dinámica sobre red pre entrenada en CTPA
Este documento presenta la convolución dinámica como una alternativa al proceso de escalado de imágenes que se utilizará en redes neuronales convolucionales preentrenadas, específicamente cuando se prueba con la red de estado del arte en la detección de embolia pulmonar en la angiografía pulmonar po...
- Autores:
- Tipo de recurso:
- masterThesis
- Fecha de publicación:
- 2021
- Institución:
- Pontificia Universidad Javeriana
- Repositorio:
- Repositorio Universidad Javeriana
- Idioma:
- spa
- OAI Identifier:
- oai:repository.javeriana.edu.co:10554/58710
- Palabra clave:
- Angiografía pulmonar por tomografía computarizada
PENet
Convolución dinámica
Embolia pulmonar
Pulmonary angiography by computed tomography
PENet
Dynamic convolution
Pulmonary embolism
Maestría en inteligencia artificial - Tesis y disertaciones académicas
Angiografía por resonancia magnética
Embolia pulmonar
Tomografía computarizada de emisión
Mejoramiento de procesos
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional
| id |
JAVERIANA_cbc5deae76f72c5e0e9239330c169bab |
|---|---|
| oai_identifier_str |
oai:repository.javeriana.edu.co:10554/58710 |
| network_acronym_str |
JAVERIANA |
| network_name_str |
Repositorio Universidad Javeriana |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Convolución dinámica sobre red pre entrenada en CTPA Dinamic convolution over pretrained network in CTPA |
| title |
Convolución dinámica sobre red pre entrenada en CTPA |
| spellingShingle |
Convolución dinámica sobre red pre entrenada en CTPA Cristian Javier, Diaz Alvarez Angiografía pulmonar por tomografía computarizada PENet Convolución dinámica Embolia pulmonar Pulmonary angiography by computed tomography PENet Dynamic convolution Pulmonary embolism Maestría en inteligencia artificial - Tesis y disertaciones académicas Angiografía por resonancia magnética Embolia pulmonar Tomografía computarizada de emisión Mejoramiento de procesos |
| title_short |
Convolución dinámica sobre red pre entrenada en CTPA |
| title_full |
Convolución dinámica sobre red pre entrenada en CTPA |
| title_fullStr |
Convolución dinámica sobre red pre entrenada en CTPA |
| title_full_unstemmed |
Convolución dinámica sobre red pre entrenada en CTPA |
| title_sort |
Convolución dinámica sobre red pre entrenada en CTPA |
| dc.creator.none.fl_str_mv |
Cristian Javier, Diaz Alvarez |
| author |
Cristian Javier, Diaz Alvarez |
| author_facet |
Cristian Javier, Diaz Alvarez |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Florez Valencia, Leonardo Giraldo Carvajal, Juan Carlos Suarez Venegas, Daniel Ricardo |
| dc.subject.none.fl_str_mv |
Angiografía pulmonar por tomografía computarizada PENet Convolución dinámica Embolia pulmonar Pulmonary angiography by computed tomography PENet Dynamic convolution Pulmonary embolism Maestría en inteligencia artificial - Tesis y disertaciones académicas Angiografía por resonancia magnética Embolia pulmonar Tomografía computarizada de emisión Mejoramiento de procesos |
| topic |
Angiografía pulmonar por tomografía computarizada PENet Convolución dinámica Embolia pulmonar Pulmonary angiography by computed tomography PENet Dynamic convolution Pulmonary embolism Maestría en inteligencia artificial - Tesis y disertaciones académicas Angiografía por resonancia magnética Embolia pulmonar Tomografía computarizada de emisión Mejoramiento de procesos |
| description |
Este documento presenta la convolución dinámica como una alternativa al proceso de escalado de imágenes que se utilizará en redes neuronales convolucionales preentrenadas, específicamente cuando se prueba con la red de estado del arte en la detección de embolia pulmonar en la angiografía pulmonar por tomografía computarizada, PENet. Dada la relevancia de este problema en el campo clínico y los resultados reportados por los autores de PENet, busca mitigar los efectos negativos de perder información en el proceso de escalado de imágenes, tratando de no aumentar el tamaño de la red y aprovechando el entrenamiento ya realizado. Los datos clínicos, al ser datos con el más alto nivel de sensibilidad, no son comúnmente de libre acceso, y la mayoría de esos datos disponibles no tienen etiquetas generadas por expertos. Se utilizaron datos publicados por la Sociedad Radiológica de América del Norte, con los que se observó que PENet todavía no generaliza adecuadamente el problema de detección, un escenario que se transfiere al aplicar la convolución dinámica, sin embargo, se propone una métrica que permite determinar si el orden basado en las probabilidades asignadas por la red a cada estudio clínico es adecuado, más allá de una métrica de clasificación basada en un umbral. Finalmente, el algoritmo de asignación de activación de clases se modifica para interpretar gráficamente el resultado al aplicar la convolución dinámica. |
| publishDate |
2021 |
| dc.date.none.fl_str_mv |
2021-12-07 2022-01-27T13:54:01Z 2022-01-27T13:54:01Z |
| dc.type.none.fl_str_mv |
http://purl.org/coar/version/c_ab4af688f83e57aa Tesis/Trabajo de grado - Monografía - Maestría http://purl.org/coar/resource_type/c_bdcc info:eu-repo/semantics/masterThesis info:eu-repo/semantics/publishedVersion |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
http://hdl.handle.net/10554/58710 https://doi.org/10.11144/Javeriana.10554.58710 instname:Pontificia Universidad Javeriana reponame:Repositorio Institucional - Pontificia Universidad Javeriana repourl:https://repository.javeriana.edu.co |
| url |
http://hdl.handle.net/10554/58710 https://doi.org/10.11144/Javeriana.10554.58710 |
| identifier_str_mv |
instname:Pontificia Universidad Javeriana reponame:Repositorio Institucional - Pontificia Universidad Javeriana repourl:https://repository.javeriana.edu.co |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.rights.none.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
PDF application/pdf application/pdf application/pdf |
| dc.publisher.none.fl_str_mv |
Pontificia Universidad Javeriana Maestría en Inteligencia Artificial Facultad de Ingeniería |
| publisher.none.fl_str_mv |
Pontificia Universidad Javeriana Maestría en Inteligencia Artificial Facultad de Ingeniería |
| dc.source.none.fl_str_mv |
reponame:Repositorio Universidad Javeriana instname:Pontificia Universidad Javeriana instacron:Pontificia Universidad Javeriana |
| instname_str |
Pontificia Universidad Javeriana |
| instacron_str |
Pontificia Universidad Javeriana |
| institution |
Pontificia Universidad Javeriana |
| reponame_str |
Repositorio Universidad Javeriana |
| collection |
Repositorio Universidad Javeriana |
| _version_ |
1803712832641957888 |
| spelling |
Convolución dinámica sobre red pre entrenada en CTPADinamic convolution over pretrained network in CTPACristian Javier, Diaz AlvarezAngiografía pulmonar por tomografía computarizadaPENetConvolución dinámicaEmbolia pulmonarPulmonary angiography by computed tomographyPENetDynamic convolutionPulmonary embolismMaestría en inteligencia artificial - Tesis y disertaciones académicasAngiografía por resonancia magnéticaEmbolia pulmonarTomografía computarizada de emisiónMejoramiento de procesosEste documento presenta la convolución dinámica como una alternativa al proceso de escalado de imágenes que se utilizará en redes neuronales convolucionales preentrenadas, específicamente cuando se prueba con la red de estado del arte en la detección de embolia pulmonar en la angiografía pulmonar por tomografía computarizada, PENet. Dada la relevancia de este problema en el campo clínico y los resultados reportados por los autores de PENet, busca mitigar los efectos negativos de perder información en el proceso de escalado de imágenes, tratando de no aumentar el tamaño de la red y aprovechando el entrenamiento ya realizado. Los datos clínicos, al ser datos con el más alto nivel de sensibilidad, no son comúnmente de libre acceso, y la mayoría de esos datos disponibles no tienen etiquetas generadas por expertos. Se utilizaron datos publicados por la Sociedad Radiológica de América del Norte, con los que se observó que PENet todavía no generaliza adecuadamente el problema de detección, un escenario que se transfiere al aplicar la convolución dinámica, sin embargo, se propone una métrica que permite determinar si el orden basado en las probabilidades asignadas por la red a cada estudio clínico es adecuado, más allá de una métrica de clasificación basada en un umbral. Finalmente, el algoritmo de asignación de activación de clases se modifica para interpretar gráficamente el resultado al aplicar la convolución dinámica.This document presents dynamic convolution as an alternative to the image scaling process to be used in pre-trained convolutional neural networks, specifically when tested with the state-of-the-art network in detection of pulmonary embolism in computed tomography pulmonary angiography, PENet. Given the relevance of this problem in the clinical field and the results reported by the authors of PENet, it seeks to mitigate the negative effects of losing information in the image scaling process, trying not to increase the size of the network, and taking advantage of training already executed. Clinical data, being data with the highest level of sensitivity, are not commonly freely accessible, and most of those available data do not have labels generated by experts. Data released by the Radiological Society of North America were used, with which it was observed that PENet still does not adequately generalize the detection problem, a scenario that is transferred when applying the dynamic convolution, however, a metric is proposed that allows to determine if the order based on the probabilities assigned by the network to each clinical study is adequate, beyond a classification metric based on a threshold. Finally, the class activation mapping algorithm is modified to graphically interpret the result when applying dynamic convolution.Magíster en Inteligencia ArtificialMaestríaPontificia Universidad JaverianaMaestría en Inteligencia ArtificialFacultad de IngenieríaFlorez Valencia, LeonardoGiraldo Carvajal, Juan CarlosSuarez Venegas, Daniel Ricardo2022-01-27T13:54:01Z2022-01-27T13:54:01Z2021-12-07http://purl.org/coar/version/c_ab4af688f83e57aaTesis/Trabajo de grado - Monografía - Maestríahttp://purl.org/coar/resource_type/c_bdccinfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionPDFapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/10554/58710https://doi.org/10.11144/Javeriana.10554.58710instname:Pontificia Universidad Javerianareponame:Repositorio Institucional - Pontificia Universidad Javerianarepourl:https://repository.javeriana.edu.cospaAtribución-NoComercial-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessDe acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, "Los derechos morales sobre el trabajo son propiedad de los autores", los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.reponame:Repositorio Universidad Javerianainstname:Pontificia Universidad Javerianainstacron:Pontificia Universidad Javeriana2022-04-29T16:41:09Z |