Exploración de Vision Transformer para la clasificación de células normales de sangre periférica

Abstract

Pese a que las Redes Neuronales Convolucionales hayan revolucionado el mundo de la visión artificial, ante el creciente aumento del tamaño de los conjuntos de datos y el continuo desarrollo de nuevas técnicas, estos modelos empiecen a presentar limitaciones, especialmente debido a su elevado tiempo de procesamiento. En el siguiente trabajo se analiza Vision Transformer, una nueva arquitectura propuesta que permitiría superar estas restricciones. Centrando su aplicación en el campo de las ciencias de la computación en el ámbito sanitario para el reconocimiento automático de células en sangre periférica. Los resultados obtenidos, con una precisión superior al 0.96 en la clasificación, sugieren que los modelos basados en ViT son una prometedora alternativa para el desempeño de este tipo de tareas frente a los ya conocidos modelos basados en CNNs. Asimismo, se implementa una sencilla interfaz gráfica para acercar a los usuarios a la utilización de este tipo de algoritmos para la clasificación, sin tener que disponer de conocimientos informáticos avanzados.

Malgrat que les Xarxes Neuronals Convolucionals hagin revolucionat el món de la visió artificial, davant el creixent augment de la grandària dels conjunts de dades i el continu desenvolupament de noves tècniques, aquests models comencin a presentar limitacions, especialment a causa del seu elevat temps de processament. En el següent treball s'analitza Vision Transformer, una nova arquitectura proposada que permetria superar aquestes restriccions. Centrant la seva aplicació en el camp de les ciències de la computació en l'àmbit sanitari per al reconeixement automàtic de cèl·lules en sang perifèrica. Els resultats obtinguts, amb una precisió superior al 0.96 en la classificació, suggereixen que els models basats en ViT són una prometedora alternativa per a l'acompliment d'aquesta mena de tasques enfront dels ja coneguts models basats en CNNs. Així mateix, s'implementa una senzilla interfície gràfica per a acostar als usuaris a la utilització d'aquesta mena d'algorismes per a la classificació, sense haver de disposar de coneixements informàtics avançats.

Although Convolutional Neuronal Networks have revolutionized the world of computer vision,with the increasing size of datasets and the continuous development of new techniques, these models are beginning to present limitations, especially due to their high processing time. The following work analyzes Vision Transformer, a new proposed architecture that would allow overcoming these restrictions. Focusing its application in the field of computer science for the automatic recognition of cells in peripheral blood. The results obtained, with a higher classification accuracy than 0.96, show that ViT-based models are a promising alternative to the well-known CNN-based models for the performance of this type of tasks. In addition, a simple graphical interface is implemented with the aim of bringing users closer to the use of this type of algorithms for classification tasks, without any deep computer knowledge.