Clasificación de imágenes radiológicas aplicando modelos Transformers

La detección temprana de enfermedades mediante el estudio de imágenes es clave para aumentar la esperanza de vida del paciente. Existen diferentes tipos de pruebas como radiografías, tomografías, resonancias magnéticas, mamografía, ecografías. La aplicación de técnicas de IA es una nueva forma de ab...

ver descrição completa

Detalhes bibliográficos
Autor: Corrales Estrella, Francisco Javier
Formato: tesis de maestría
Fecha de publicación:2023
País:España
Recursos:Universitat Oberta de Catalunya (UOC)
Repositorio:O2, repositorio institucional de la UOC
OAI Identifier:oai:openaccess.uoc.edu:10609/147433
Acesso em linha:http://hdl.handle.net/10609/147433
Access Level:acceso abierto
Palavra-chave:radiodiagnòstic
intel·ligència artificial
xarxes neuronals
radiodiagnóstico
redes neuronales
inteligencia artificial
radiodiagnosis
artificial intelligence
neural networks
Artificial intelligence -- TFM
Intel·ligència artificial -- TFM
inteligencia artificial -- TFM
id ES_ed9cda12c80130f79fc6ea574dceba54
oai_identifier_str oai:openaccess.uoc.edu:10609/147433
network_acronym_str ES
network_name_str España
repository_id_str
spelling Clasificación de imágenes radiológicas aplicando modelos TransformersCorrales Estrella, Francisco Javierradiodiagnòsticintel·ligència artificialxarxes neuronalsradiodiagnósticoredes neuronalesinteligencia artificialradiodiagnosisartificial intelligenceneural networksArtificial intelligence -- TFMIntel·ligència artificial -- TFMinteligencia artificial -- TFMLa detección temprana de enfermedades mediante el estudio de imágenes es clave para aumentar la esperanza de vida del paciente. Existen diferentes tipos de pruebas como radiografías, tomografías, resonancias magnéticas, mamografía, ecografías. La aplicación de técnicas de IA es una nueva forma de abordar este problema y que permite a los radiólogos detectar enfermedades. Mediante el presente trabajo se pretende hacer una revisión del estado del arte de las redes neuronales basadas en Transformers para el diagnostico por imágenes y realizar una aplicación práctica sobre un conjunto de imágenes para evaluar sus resultados.The early detection of diseases through imaging studies is key to increasing the life expectancy of the patient. There are different types of tests such as x-rays, tomography, magnetic resonance imaging, mammography, ultrasound [23]. The application of AI techniques is a new way to approach this problem and allows radiologists to detect diseases. Through this work, we intend to review the state of the art of neural networks based on Transformers for image diagnosis and carry out a practical application on a set of images to evaluate their results.La detecció precoç de malalties mitjançant l'estudi d'imatges és clau per a augmentar l'esperança de vida del pacient. Existeixen diferents tipus de proves com a radiografies, tomografies, ressonàncies magnètiques, mamografia, ecografies. L'aplicació de tècniques de IA és una nova manera d'abordar aquest problema i que permet als radiòlegs detectar malalties. Mitjançant el present treball es pretén fer una revisió de l'estat de l'art de les xarxes neuronals basades en Transformers per al diagnostico per imatges i realitzar una aplicació pràctica sobre un conjunt d'imatges per a avaluar els seus resultats.Universitat Oberta de Catalunya (UOC)Solé-Ribalta, AlbertSanchez-Bocanegra, Carlos Luis202320232023info:eu-repo/semantics/masterThesisResource Types::text::thesis::master thesisapplication/pdfapplication/pdfhttp://hdl.handle.net/10609/147433reponame:O2, repositorio institucional de la UOCinstname:Universitat Oberta de Catalunya (UOC)EspañolCC BY-NC-NDhttp://creativecommons.org/licenses/by-nc-nd/3.0/es/info:eu-repo/semantics/openAccessoai:openaccess.uoc.edu:10609/1474332026-05-28T12:42:01Z
dc.title.none.fl_str_mv Clasificación de imágenes radiológicas aplicando modelos Transformers
title Clasificación de imágenes radiológicas aplicando modelos Transformers
spellingShingle Clasificación de imágenes radiológicas aplicando modelos Transformers
Corrales Estrella, Francisco Javier
radiodiagnòstic
intel·ligència artificial
xarxes neuronals
radiodiagnóstico
redes neuronales
inteligencia artificial
radiodiagnosis
artificial intelligence
neural networks
Artificial intelligence -- TFM
Intel·ligència artificial -- TFM
inteligencia artificial -- TFM
title_short Clasificación de imágenes radiológicas aplicando modelos Transformers
title_full Clasificación de imágenes radiológicas aplicando modelos Transformers
title_fullStr Clasificación de imágenes radiológicas aplicando modelos Transformers
title_full_unstemmed Clasificación de imágenes radiológicas aplicando modelos Transformers
title_sort Clasificación de imágenes radiológicas aplicando modelos Transformers
dc.creator.none.fl_str_mv Corrales Estrella, Francisco Javier
author Corrales Estrella, Francisco Javier
author_facet Corrales Estrella, Francisco Javier
author_role author
dc.contributor.none.fl_str_mv Solé-Ribalta, Albert
Sanchez-Bocanegra, Carlos Luis
dc.subject.none.fl_str_mv radiodiagnòstic
intel·ligència artificial
xarxes neuronals
radiodiagnóstico
redes neuronales
inteligencia artificial
radiodiagnosis
artificial intelligence
neural networks
Artificial intelligence -- TFM
Intel·ligència artificial -- TFM
inteligencia artificial -- TFM
topic radiodiagnòstic
intel·ligència artificial
xarxes neuronals
radiodiagnóstico
redes neuronales
inteligencia artificial
radiodiagnosis
artificial intelligence
neural networks
Artificial intelligence -- TFM
Intel·ligència artificial -- TFM
inteligencia artificial -- TFM
description La detección temprana de enfermedades mediante el estudio de imágenes es clave para aumentar la esperanza de vida del paciente. Existen diferentes tipos de pruebas como radiografías, tomografías, resonancias magnéticas, mamografía, ecografías. La aplicación de técnicas de IA es una nueva forma de abordar este problema y que permite a los radiólogos detectar enfermedades. Mediante el presente trabajo se pretende hacer una revisión del estado del arte de las redes neuronales basadas en Transformers para el diagnostico por imágenes y realizar una aplicación práctica sobre un conjunto de imágenes para evaluar sus resultados.
publishDate 2023
dc.date.none.fl_str_mv 2023
2023
2023
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
Resource Types::text::thesis::master thesis
format masterThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10609/147433
url http://hdl.handle.net/10609/147433
dc.language.none.fl_str_mv Español
language_invalid_str_mv Español
dc.rights.none.fl_str_mv CC BY-NC-ND
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC BY-NC-ND
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universitat Oberta de Catalunya (UOC)
publisher.none.fl_str_mv Universitat Oberta de Catalunya (UOC)
dc.source.none.fl_str_mv reponame:O2, repositorio institucional de la UOC
instname:Universitat Oberta de Catalunya (UOC)
instname_str Universitat Oberta de Catalunya (UOC)
reponame_str O2, repositorio institucional de la UOC
collection O2, repositorio institucional de la UOC
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869423519659458560
score 15,301629

Registos relacionados