Estudio del uso de redes neuronales 3D para el desarrollo de sistemas inteligentes para la colonoscopia
Tena Morales, Miquel
Bernal del Nozal, Jorge, dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Additional title:	Study of the use of 3D neural networks for the development of intelligent systems for colonoscopy
Additional title:	Estudi de l'ús de xarxes neuronals 3D per al desenvolupament de sistemes intel·ligents per a la colonoscòpia
Date:	2021
Abstract:	El cáncer de colon es el segundo tipo de cáncer con mayor mortalidad en España. Detectar a tiempo los pólipos, su lesión precursora, ayuda a mitigar o erradicar su impacto. Nuestro objetivo es ayudar a los profesionales del campo de la medicina a detectar con mayor precisión estos pólipos. Para ello proponemos este estudio realizado con redes neuronales y un algoritmo que añade coherencia temporal. Para el uso de redes neuronales nos hemos basado con la red neuronal convolucional YOLO v5, la última versión de YOLO y un algoritmo que asiste al modelo para que la salida del método sea estable en el espacio y en el tiempo. Obteniendo así un mAP global en el dataset del Hospital Clínic de Barcelona de 0. 330 en YOLO v5 y una mejora de hasta un 20% en F2-Measure integrando el algoritmo de coherencia temporal.
Abstract:	Colorectal cancer is the second type of cancer with the highest mortality in Spain. Detecting polyps in time, their precursor lesion, helps mitigate or eradicate their impact. Our goal is to help professionals in the medical field more accurately detect these polyps. For this we propose this study carried out with neural networks and an algorithm that adds temporal coherence. For the use of neural networks we have based ourselves on the YOLO v5 convolutional neural network, the latest version of YOLO and an algorithm that assists the model so that the output of the method is stable in space and time. Thus, obtaining a global mAP in the Hospital Clínic de Barcelona dataset of 0. 330 in YOLO v5 and an improvement of up to 20\% in F2-Measure with the temporal coherence algorithm.
Abstract:	El càncer de còlon és el segon tipus de càncer amb més mortalitat a Espanya. Detectar a temps els pòlips, la seva lesió precursora, ajuda a mitigar o eradicar-ne l'impacte. El nostre objectiu és ajudar els professionals del camp de la medicina a detectar amb més precisió aquests pòlips. Per això proposem aquest estudi realitzat amb xarxes neuronals i un algorisme que afegeix coherència temporal. Per a l'ús de xarxes neuronals ens hem basat amb la xarxa neuronal convolucional YOLO v5, la darrera versió de YOLO, i un algorisme que assisteix al model perquè la sortida del mètode sigui estable a l'espai i al temps. Obtenint així un mAP global al dataset de l'Hospital Clínic de Barcelona de 0. 330 a YOLO v5 i una millora de fins a un 20% a F2-Measure integrant l'algorisme de coherència temporal.
Rights:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.
Language:	Castellà
Studies:	Grau en Enginyeria Informàtica [2502441]
Study plan:	Enginyeria Informàtica [958]
Document:	Treball final de grau ; Text
Subject area:	Menció Computació
Subject:	Deep learning ; Machine learning ; Detecció de pólips ; Coherència temporal ; Xarxa neuronal convolucional ; Detección de pólipos ; Coherencia temporal ; Red neuronal convolucional ; Polyp detection ; Temporal coherence ; Convolutional neural network

12 p, 1.0 MB

The record appears in these collections:
Research literature > Bachelor's degree final project > School of Engineering. TFG