Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ucm.edu.co/handle/10839/4194
Título : | Diagnóstico de neumonía por clasificación de imágenes de rayos X de tórax utilizando el método de redes neuronales convolucionales (CNN) |
Autor: | Hernández Carmona, Francia Lorena |
Director(es): | Lara Escobar, Rubén Darío |
Palabras claves: | Neumonía Diagnóstico por imágenes Redes Neuronales Estadística |
keywords: | Pneumonia Diagnostic imaging Neural Networks Statistics |
Editorial : | Universidad Católica de Manizales |
Resumen: | El presente trabajo es el proyecto final de la especialización de estadística aplicada que tiene como objetivo implementar y validar un algoritmo para detectar posible neumonía en imágenes de rayos X de tórax, por medio del modelo de redes neuronales convolucionales (CNN). Para desarrollar este algoritmo se utilizó Jupyter notebook de Python 3 con las librerías pandas y Numpy para manipulación de la base de datos y tensorflow para modelar el proceso de aprendizaje. Un dataset de 2.542 imágenes divididas en carpetas de entrenamiento, prueba y validación clasificadas en dos categorías (con neumonía, sin neumonía) suministradas de forma libre de pacientes pediátricos entre 1 a 5 años de edad. Los resultados de precisión arrojados por el modelo para el dataset de entrenamiento fueron muy significativos presentando un 98 % de probabilidad de detección de la patología, mientras que en la prueba de validación el modelo presentó un porcentaje por debajo del 80% . |
Abstract: | The present work is the final project of the applied statistics specialization that aims to implement and validate an algorithm to detect possible pneumonia in chest X-ray images, through the model of convolutional neural networks (CNN). To develop this algorithm, a Python 3 Jupyter notebook was used with the pandas and Numpy libraries for database manipulation and tensorflow to model the learning process. A dataset of 2,542 images divided into training, test, and validation folders classified into two categories (with pneumonia, without pneumonia) freely supplied from pediatric patients between 1 to 5 years of age. The precision results thrown by the model for the training dataset were very significant, presenting a 98% probability of detection of the pathology, while in the validation test the model presented a percentage below 80%. |
URI : | https://repositorio.ucm.edu.co/handle/10839/4194 |
Aparece en las colecciones: | Especialización en Estadística Aplicada |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
HernándezCarmonaFranciaLorena_2023_EEA.TG.pdf | Texto Completo | 1.4 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons