Gutiérrez Gaviria, Jhon Alexander
Sistemas de clasificación automática de grados de retinopatía diabética mediante Deep Learning / John Alexar Gutiérrez Gaviria; Director Vladimir Mosquera Cerquera , Datos electrónicos (1 archivos:2316 MG) - 1 CD-ROM (65 páginas); diagramas, fotografías, tablas o cuadros; 12 cm
Tesis
Introducción -- Planteamiento del problema -- Justificación -- Objetivos -- Redes neuronales convolucionales -- retinopatía diabética -- Metodología -- Resultados -- Conclusiones
"El fin de este proyecto de grado fue desarrollar una aplicación de software en lenguaje de programación de código abierto Python, que mediante el uso de redes neuronales convolucionales (CNN) posibiliten la detección y clasificación de la Retinopatía Diabética mediante imágenes
de fondo de ojo.
La red neuronal convolucional adquiere imágenes de la base de datos Kaggle, cada imagen es pre-procesada adecuadamente con la finalidad de resaltar las características más relevantes
y redimensionar la imagen a un tamaño de 512x512x3 permitiendo a la CNN un entrenamiento mas eficiente y rápido. La CNN realiza el proceso de extracción de características de las imágenes de fondo de ojo y clasificación de los cinco diferentes grados de Retinopatía Diabética. Se utilizó la métrica de evaluación Kappa Cuadrático Ponderado para medir el desempeño del sistema de aprendizaje. Usando el método de ensayo y error se implementó y entrenó la CNN.
Durante la experimentación se agregaron Custom Data Generators para facilitar el entrenamiento de la red e impedir el sobre-entrenamiento de esta. Se obtuvo un nivel de acuerdo con respecto a las etiquetas asignadas por un experto de 78%. De acuerdo con este resultado la red tiene
un buen desempeño, indicando que fue capaz de extraer las características fundamentales para la clasificación de la enfermedad crónica retinopatía diabética."
Ingeniería Electrónica--Inteligencia artificial
Visión por computador --Redes neuronales convulucionales
Th IE 415
Sistemas de clasificación automática de grados de retinopatía diabética mediante Deep Learning / John Alexar Gutiérrez Gaviria; Director Vladimir Mosquera Cerquera , Datos electrónicos (1 archivos:2316 MG) - 1 CD-ROM (65 páginas); diagramas, fotografías, tablas o cuadros; 12 cm
Tesis
Introducción -- Planteamiento del problema -- Justificación -- Objetivos -- Redes neuronales convolucionales -- retinopatía diabética -- Metodología -- Resultados -- Conclusiones
"El fin de este proyecto de grado fue desarrollar una aplicación de software en lenguaje de programación de código abierto Python, que mediante el uso de redes neuronales convolucionales (CNN) posibiliten la detección y clasificación de la Retinopatía Diabética mediante imágenes
de fondo de ojo.
La red neuronal convolucional adquiere imágenes de la base de datos Kaggle, cada imagen es pre-procesada adecuadamente con la finalidad de resaltar las características más relevantes
y redimensionar la imagen a un tamaño de 512x512x3 permitiendo a la CNN un entrenamiento mas eficiente y rápido. La CNN realiza el proceso de extracción de características de las imágenes de fondo de ojo y clasificación de los cinco diferentes grados de Retinopatía Diabética. Se utilizó la métrica de evaluación Kappa Cuadrático Ponderado para medir el desempeño del sistema de aprendizaje. Usando el método de ensayo y error se implementó y entrenó la CNN.
Durante la experimentación se agregaron Custom Data Generators para facilitar el entrenamiento de la red e impedir el sobre-entrenamiento de esta. Se obtuvo un nivel de acuerdo con respecto a las etiquetas asignadas por un experto de 78%. De acuerdo con este resultado la red tiene
un buen desempeño, indicando que fue capaz de extraer las características fundamentales para la clasificación de la enfermedad crónica retinopatía diabética."
Ingeniería Electrónica--Inteligencia artificial
Visión por computador --Redes neuronales convulucionales
Th IE 415