Clasificador de tumores cerebrales primarios basado en redes neuronales convolucionales

El siguiente documento presenta el desarrollo de un modelo basado en redes neuronales convolucionales para la clasificación por imágenes de tumores cerebrales primarios (glioma, meningioma e hipófisis) y pacientes sanos (no tumorales). Para ello se establece un conjunto de experimentos donde se evalúan diferentes hiperparámetros, comparando su desempeño en base a índices de desempeño, con el fin de seleccionar un modelo útil. Finalmente, se presenta una arquitectura CNN con una precisión global del 98,25% para cuatro clases.

• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/31769
• Acceso en línea: http://hdl.handle.net/11349/31769
• Palabra clave: Bosques aleatorios; Clasificación de tumores cerebrales; Red neuronal convolucional; Imágenes por resonancia magnética; Red neuronal artificial; Ingeniería Electrónica -- Tesis y disertaciones académicas; Tumores cerebrales; Redes neuronales convolucionales (CNN); Clasificación por imágenes; Hiperparámetros; Brain tumor classification; Convolutional neural network; Magnetic resonance imaging; Artificial neural network; Random forest
• License: Attribution-NonCommercial-NoDerivatives 4.0 Internacional