Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10609/126709
Título : | Detección y clasificación de células anormales de sangre periférica usando técnicas de N-Shot Learning |
Autoría: | Lucas Guerrero, José |
Tutor: | Alférez, Santiago |
Otros: | Prados Carrasco, Ferran |
Resumen : | Mediante el uso de tecnologías Machine Learning para el procesado digital de imágenes es posible desarrollar aplicaciones que clasifiquen imágenes en diferentes categorías. En este trabajo fin de máster se han implementado modelos de Deep Learning del tipo n-shot learning para la clasificación de imágenes de sangre periférica. Estas técnicas son adecuadas cuando no se dispone de suficiente muestra para el entrenamiento. En concreto, se ha desarrollado una red siamesa que comprueba si dos imágenes diferentes corresponden al mismo tipo de célula y una red five-shot que clasifica leucocitos en sanos y afectados por linfoma de Burkkit. Se desarrollaron dos modelos en PyTorch y Fast.ai obteniendo tasas de acierto superiores al 75% y 85% respectivamente. La conclusión del trabajo es que las técnicas few-shot son un buen enfoque cuando no se dispone de suficiente muestra para aplicar técnicas convencionales. |
Palabras clave : | aprendizaje profundo aprendizaje n-shot células linfoides linfomas |
Tipo de documento: | info:eu-repo/semantics/masterThesis |
Fecha de publicación : | 2-ene-2021 |
Licencia de publicación: | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
Aparece en las colecciones: | Trabajos finales de carrera, trabajos de investigación, etc. |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
pepelucasTFM0121memoria.pdf | Memoria del TFM | 1,43 MB | Adobe PDF | Visualizar/Abrir |
Comparte:
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons