Empreu aquest identificador per citar o enllaçar aquest ítem:
http://hdl.handle.net/10609/127107
Títol: | Generative Adversarial Networks Based Data Augmentation for Ultrasound Fetal Brain Planes Classification |
Autoria: | Montero Agudo, Alberto |
Tutor: | Burgos-Artizzu, Xavier Paolo Bonet-Carne, Elisenda |
Altres: | Prados Carrasco, Ferran |
Resum: | Recentment s'han aplicat xarxes controvertides generatives a la imatge mèdica en diferents modalitats (ressonància magnètica, tomografia computada, radiografia, etc.). Tanmateix, no hi ha moltes aplicacions sobre la modalitat d'ecografia com a tècnica d'augment de dades aplicada a tasques de classificació posteriors. Aquest estudi de casos experimentals té com a objectiu explorar i avaluar la generació d'imatges cerebrals fetals d'ultrasons sintètics mitjançant xarxes adversàries generatives i aplicar-se a tasques de classificació del pla cerebral fetal per ultrasons. L'estil de les xarxes adversàries generatives stylegan2-ada es va aplicar a la generació d'imatges cerebrals fetals i es van comparar els classificadors d'augment de dades basats en GAN amb els classificadors de la línia de base. Els nostres resultats experimentals mostren que l'augment de dades basat en GAN combinat amb l'augment de dades clàssic supera els classificadors amb només un augment de dades clàssic en un 2% tant en la precisió com en l'àrea sota la puntuació de la corba. |
Paraules clau: | xarxes contradictòries generatives augment de dades classificació d'imatges cerebrals fetals per ultrasons |
Tipus de document: | info:eu-repo/semantics/masterThesis |
Data de publicació: | gen-2021 |
Llicència de publicació: | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
Apareix a les col·leccions: | Trabajos finales de carrera, trabajos de investigación, etc. |
Arxius per aquest ítem:
Arxiu | Descripció | Mida | Format | |
---|---|---|---|---|
amonteroagTFM0121memory.pdf | Memory of TFM | 3,97 MB | Adobe PDF | Veure/Obrir |
Comparteix:
Aquest ítem està subjecte a una llicència de Creative Commons Llicència Creative Commons