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...
- 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
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. |
---|