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 eval...

Full description

Autores:
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
Rights
License
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Description
Summary: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.