Empreu aquest identificador per citar o enllaçar aquest ítem:
http://hdl.handle.net/10609/91330
Títol: | Applying deep learning/GANs to histology image for data augmentation: a general study |
Autoria: | Martinez Garcia, Juan Pablo |
Tutor: | Vegas Lozano, Esteban Yao, Jin |
Resum: | En les tasques de imagenología mèdica, els radiòlegs realitzen anotacions amb coneixement expert sobre les dades i la tasca. Per tant, les imatges d'histologia són especialment difícils de recopilar, ja que són cares, requereixen molt temps i la informació no sempre es pot divulgar per a la recerca. Per a abordar tots aquests problemes, l'augment de dades és una solució popular. L'augment de dades consisteix a generar noves mostres d'entrenament a partir de les existents, augmentant la grandària del conjunt de dades. Quan s'aplica qualsevol tipus de xarxa neuronal artificial, la grandària de la capacitació és un factor clau per a tenir èxit. especialment quan s'empren algorismes supervisats ¿¿d'aprenentatge automàtic que requereixen dades etiquetades i grans exemples de capacitació. Presentem un mètode per a generar imatges mèdiques sintètiques utilitzant xarxes d'adversaris generatius d'aprenentatge profund recentment presentades. A més, vam mostrar que les imatges histològiques generades poden usar-se per a l'augment de dades sintètiques i millorar el rendiment de CNN per a la classificació d'imatges mèdiques. La GAN és una tècnica d'aprenentatge automàtic no supervisada en la qual una xarxa genera candidats (generatius) i l'altra els avalua (discriminativos) per a generar una nova mostra com l'original. En el nostre cas, ens enfocarem en un tipus de GAN dita Xarxa Convolucional Generativa de Convolución Profunda (DCGAN) on l'arquitectura CNN s'usa en totes dues xarxes i el discriminador està revertint el procés creat pel generador. Finalment, aplicarem aquesta tècnica, per a l'augment de dades, amb dos conjunts de dades diferents: imatge d'histologia de teixit mamari i os estret. Per a verificar el resultat, classificarem les imatges sintètiques amb un CNN pre-entrenat amb imatges reals i etiquetatge per un especialista. |
Paraules clau: | GAN aprenentatge profund histologia dades d'augment |
Tipus de document: | info:eu-repo/semantics/masterThesis |
Data de publicació: | gen-2018 |
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 | |
---|---|---|---|---|
PEC 4 JUAN PABLO GARCIA MARTINEZ TFM v4.docx | 8,69 MB | Microsoft Word XML | Veure/Obrir | |
jgarciamartinez0123TFM0119memoria.pdf | Memoria en PDF del TFM | 8,95 MB | Adobe PDF | Veure/Obrir |
Comparteix:
Aquest ítem està subjecte a una llicència de Creative Commons Llicència Creative Commons