Detecció del bacteri Helicobacter pylori
Caravaca Hernández, Álvaro
Gil, Debora, ![Identificador ORCID](/img/uab/orcid.ico)
dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Cano Ribé, Pau, dir.
Universitat Autònoma de Barcelona.
Escola d'Enginyeria
Título variante: |
Histopatología Digital. Detección de la bacteria H. pylori |
Título variante: |
Digital Histopathology. Detection of H. pylori bacteria |
Fecha: |
2023 |
Resumen: |
En aquest treball s'ha desenvolupat un sistema per al diagnòstic de la presència d'H. pylori mitjançant imatges d'histologia dels pacients. S'han explorat dos paradigmes diferents. En el primer, s'ha utilitzat la xarxa neuronal VGG-16 per extreure les característiques de les imatges i s'han entrenat diversos models de classificació per discernir la presència o absència d'H. pylori en els pacients. En el segon paradigma, s'ha explorat l'ús d'un autoencoder per a la detecció d'anomalies en les mostres dels pacients, contribuint al diagnòstic basat en la presència d'anomalies detectades. Els resultats demostren que l'autoencoder és més efectiu en el diagnòstic global dels pacients. |
Resumen: |
En este trabajo se ha desarrollado un sistema para el diagnóstico de la presencia de H. pylori mediante imágenes de histología de los pacientes. Se han explorado dos paradigmas diferentes. En el primero, se ha utilizado la red neuronal VGG-16 para extraer las características de las imágenes y se han entrenado diversos modelos de clasificación para discernir la presencia o ausencia de H. pylori en los pacientes. En el segundo paradigma, se ha explorado el uso de un autoencoder para la detección de anomalías en las muestras de los pacientes, contribuyendo al diagnóstico basado en la presencia de anomalías detectadas. Los resultados demuestran que el autoencoder es más efectivo en el diagnóstico global de los pacientes. |
Resumen: |
In this work, a system has been developed for the diagnosis of the presence of H. Pylori through histology images of patients. Two different approaches have been explored. In the first one, the VGG-16 neural network has been used to extract the characteristics of the images, and several classification models have been trained to discern the presence or absence of H. Pylori in the patients. In the second approach, the use of an autoencoder for the detection of anomalies in patient samples has been explored, contributing to the diagnosis based on the presence of detected anomalies. The results show that the autoencoder is more effective in the overall diagnosis of patients. |
Derechos: |
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. ![Creative Commons](/img/licenses/by-nc-nd.ico) |
Lengua: |
Català |
Titulación: |
Grau en Enginyeria Informàtica [2502441] |
Plan de estudios: |
Enginyeria Informàtica [958] |
Documento: |
Treball final de grau ; Text |
Área temática: |
Menció Computació |
Materia: |
Helicobacter Pylori ;
Histologia ;
Xarxes Neuronals ;
VGG ;
Models de classificacio ;
Ensemble ;
Autoencoder ;
Redes Neuronales ;
Modelos de clasificacion ;
Histology ;
Neural Networks ;
Classification Models |
El registro aparece en las colecciones:
Documentos de investigación >
Trabajos de Fin de Grado >
Escuela de Ingeniería. TFG
Registro creado el 2023-07-18, última modificación el 2024-07-20