Detección de instrumental quirúrgico en secuencias de imágenes endoscópicas usando redes neuronales

Este documento es un reporte de la evaluación de modelos de redes convolucionales para la detección de presencia o ausencia de instrumental quirúrgico en cirugías mínimamente invasivas. Los modelos se evaluan con dos métricas diferentes: Precisión media y F-Score. Se utiliza la base de datos del des...

Full description

Autores:
Acosta Herrera, Carlos Arturo
Tipo de recurso:
Fecha de publicación:
2017
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
spa
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/34268
Acceso en línea:
http://hdl.handle.net/1992/34268
Palabra clave:
Procesamiento de imágenes - Aplicaciones médicas - Investigaciones
Redes neuronales convolucionales - Investigaciones
Cirugía asistida por computador - Investigaciones
Aprendizaje supervisado (Aprendizaje automático) - Investigaciones
Ingeniería
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-nd/4.0/
id UNIANDES2_f7f1ca43f3326087ca351be3187c0904
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/34268
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
dc.title.es_CO.fl_str_mv Detección de instrumental quirúrgico en secuencias de imágenes endoscópicas usando redes neuronales
title Detección de instrumental quirúrgico en secuencias de imágenes endoscópicas usando redes neuronales
spellingShingle Detección de instrumental quirúrgico en secuencias de imágenes endoscópicas usando redes neuronales
Procesamiento de imágenes - Aplicaciones médicas - Investigaciones
Redes neuronales convolucionales - Investigaciones
Cirugía asistida por computador - Investigaciones
Aprendizaje supervisado (Aprendizaje automático) - Investigaciones
Ingeniería
title_short Detección de instrumental quirúrgico en secuencias de imágenes endoscópicas usando redes neuronales
title_full Detección de instrumental quirúrgico en secuencias de imágenes endoscópicas usando redes neuronales
title_fullStr Detección de instrumental quirúrgico en secuencias de imágenes endoscópicas usando redes neuronales
title_full_unstemmed Detección de instrumental quirúrgico en secuencias de imágenes endoscópicas usando redes neuronales
title_sort Detección de instrumental quirúrgico en secuencias de imágenes endoscópicas usando redes neuronales
dc.creator.fl_str_mv Acosta Herrera, Carlos Arturo
dc.contributor.advisor.none.fl_str_mv Arbeláez Escalante, Pablo Andrés
dc.contributor.author.none.fl_str_mv Acosta Herrera, Carlos Arturo
dc.contributor.jury.none.fl_str_mv Hernández Hoyos, Marcela
Valderrama Manrique, Mario Andrés
dc.subject.keyword.es_CO.fl_str_mv Procesamiento de imágenes - Aplicaciones médicas - Investigaciones
Redes neuronales convolucionales - Investigaciones
Cirugía asistida por computador - Investigaciones
Aprendizaje supervisado (Aprendizaje automático) - Investigaciones
topic Procesamiento de imágenes - Aplicaciones médicas - Investigaciones
Redes neuronales convolucionales - Investigaciones
Cirugía asistida por computador - Investigaciones
Aprendizaje supervisado (Aprendizaje automático) - Investigaciones
Ingeniería
dc.subject.themes.none.fl_str_mv Ingeniería
description Este documento es un reporte de la evaluación de modelos de redes convolucionales para la detección de presencia o ausencia de instrumental quirúrgico en cirugías mínimamente invasivas. Los modelos se evaluan con dos métricas diferentes: Precisión media y F-Score. Se utiliza la base de datos del desafío de detección de instrumental quirúrgico del foro para el Modelado y Monitoreo de Intervenciones Asistidas por Computadora (M2CAI) en el año 2016. La evaluación se realiza para siete clasificadores diferentes para igual número de instrumentos y se compara con los resultados del desafío. Los modelos usados son redes neuronales convolucionales que hacen parte del aprendizaje profundo. Algunas de las redes integran información tanto espacial como temporal. Nosotros proponemos una nueva red neuronal convolucional que fusiona dos modelos del estado del arte. Las redes que utilizan información temporal tienen un mejor desempeño que las redes que utilizan únicamente información espacial sin importar la métrica de evaluación.
publishDate 2017
dc.date.issued.none.fl_str_mv 2017
dc.date.accessioned.none.fl_str_mv 2020-06-10T09:00:53Z
dc.date.available.none.fl_str_mv 2020-06-10T09:00:53Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/34268
dc.identifier.pdf.none.fl_str_mv u807239.pdf
dc.identifier.instname.spa.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.spa.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url http://hdl.handle.net/1992/34268
identifier_str_mv u807239.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.es_CO.fl_str_mv spa
language spa
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.es_CO.fl_str_mv 13 hojas
dc.format.mimetype.es_CO.fl_str_mv application/pdf
dc.publisher.es_CO.fl_str_mv Uniandes
dc.publisher.program.es_CO.fl_str_mv Maestría en Ingeniería Biomédica
dc.publisher.faculty.es_CO.fl_str_mv Facultad de Ingeniería
dc.publisher.department.es_CO.fl_str_mv Departamento de Ingeniería Biomédica
dc.source.es_CO.fl_str_mv instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
instname_str Universidad de los Andes
institution Universidad de los Andes
reponame_str Repositorio Institucional Séneca
collection Repositorio Institucional Séneca
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/dca4e865-03fb-41f7-b17e-275460a4633e/download
https://repositorio.uniandes.edu.co/bitstreams/83e60440-8812-4ecb-bb89-e47faec087f0/download
https://repositorio.uniandes.edu.co/bitstreams/99630d21-d3cf-4d66-994e-304a72c5d479/download
bitstream.checksum.fl_str_mv 24e770faef4c6bb0e029c0936b34945b
bf3dcac215a05686c01ed36cce6761cc
10f0529addeeb82a3dc0dc42d9bd748f
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1812133940823064576
spelling Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Arbeláez Escalante, Pablo Andrésvirtual::9003-1Acosta Herrera, Carlos Arturo9bf2279f-7116-44ed-a280-cc173960fe9b500Hernández Hoyos, MarcelaValderrama Manrique, Mario Andrés2020-06-10T09:00:53Z2020-06-10T09:00:53Z2017http://hdl.handle.net/1992/34268u807239.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Este documento es un reporte de la evaluación de modelos de redes convolucionales para la detección de presencia o ausencia de instrumental quirúrgico en cirugías mínimamente invasivas. Los modelos se evaluan con dos métricas diferentes: Precisión media y F-Score. Se utiliza la base de datos del desafío de detección de instrumental quirúrgico del foro para el Modelado y Monitoreo de Intervenciones Asistidas por Computadora (M2CAI) en el año 2016. La evaluación se realiza para siete clasificadores diferentes para igual número de instrumentos y se compara con los resultados del desafío. Los modelos usados son redes neuronales convolucionales que hacen parte del aprendizaje profundo. Algunas de las redes integran información tanto espacial como temporal. Nosotros proponemos una nueva red neuronal convolucional que fusiona dos modelos del estado del arte. Las redes que utilizan información temporal tienen un mejor desempeño que las redes que utilizan únicamente información espacial sin importar la métrica de evaluación."This document is a test report of convolutional neural networks to detect the presence or absence of surgical instrumental in minimally invasive surgeries. The models was tested with two different metrics: Average precision and F-Score. The database is Tool Detection Challenge of forum to Modeling and Monitoring of Computer-Assisted Interventions (M2CAI) at 2016. The test is do to seven different classifiers to same number of instruments and it was compared with the challenge results. The models used are convolutional neural networks, a branch of deep learning. Some of the networks integrate spatial and temporal information. We propose a new convolutional neural network that fuse two models of state-of-art. The networks that use temporal information were a best performance that the networks that only use spatial information, without matter the test metric."--Tomado del Formato de Documento de Grado.Magíster en Ingeniería BiomédicaMaestría13 hojasapplication/pdfspaUniandesMaestría en Ingeniería BiomédicaFacultad de IngenieríaDepartamento de Ingeniería Biomédicainstname:Universidad de los Andesreponame:Repositorio Institucional SénecaDetección de instrumental quirúrgico en secuencias de imágenes endoscópicas usando redes neuronalesTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesishttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TMProcesamiento de imágenes - Aplicaciones médicas - InvestigacionesRedes neuronales convolucionales - InvestigacionesCirugía asistida por computador - InvestigacionesAprendizaje supervisado (Aprendizaje automático) - InvestigacionesIngenieríaPublicationhttps://scholar.google.es/citations?user=k0nZO90AAAAJvirtual::9003-10000-0001-5244-2407virtual::9003-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001579086virtual::9003-1b4f52d42-ce2a-4e74-a22f-e52a6bfbd48evirtual::9003-1b4f52d42-ce2a-4e74-a22f-e52a6bfbd48evirtual::9003-1ORIGINALu807239.pdfapplication/pdf18606897https://repositorio.uniandes.edu.co/bitstreams/dca4e865-03fb-41f7-b17e-275460a4633e/download24e770faef4c6bb0e029c0936b34945bMD51TEXTu807239.pdf.txtu807239.pdf.txtExtracted texttext/plain35469https://repositorio.uniandes.edu.co/bitstreams/83e60440-8812-4ecb-bb89-e47faec087f0/downloadbf3dcac215a05686c01ed36cce6761ccMD54THUMBNAILu807239.pdf.jpgu807239.pdf.jpgIM Thumbnailimage/jpeg13961https://repositorio.uniandes.edu.co/bitstreams/99630d21-d3cf-4d66-994e-304a72c5d479/download10f0529addeeb82a3dc0dc42d9bd748fMD551992/34268oai:repositorio.uniandes.edu.co:1992/342682024-03-13 13:49:29.746http://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co

Publicaciones similares