Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.usfq.edu.ec/handle/23000/11269
Tipo de material: bachelorThesis
Título : Analyzing the effect of artificial data used in training CNN for COVID-19 detection
Autor : Hidalgo Davila, Ivan Mateo
Murillo Celi, Juan José
Director de Tesis : Baldeón Calisto, María Gabriela, directora
Descriptores : Radiografia
Redes neuronales (Computadores)
Tesis y disertaciones académicas
Palabras clave : Ciencias
Computación
Fecha de publicación : 2021
Editorial : Quito
Citación : Tesis (Ingeniero Industrial), Universidad San Francisco de Quito, Colegio de Ciencias e Ingenierías ; Quito, Ecuador, 2021
Páginas : 36 h.
Acceso: openAccess
CC0 1.0 Universal
Resumen : La detección de enfermades mediante imágenes de radiografìas pulmonares como el COVID-19 se ha vuelto una de las principales herramientas de apoyo para tener un segundo diagnóstico en la comunidad médica. En este trabajo se hace uso de Redes Neuronales Convolucionales (CNN) para la clasificación de imágenes de radiografìas pulmonares CXR en las categorías COVID-19, neumonia y normal. Debido a la escaces de imágenes para poder entrenar la red neuronal, se utilizo una técnica llamada Data Augmentation, que es empleada en Deep Learning para aumentar el tamaño del set de entrenamiento y aumentar la precisión de la base de datos...
Descripción : The detection of diseases through lung X-rays images such as COVID-19 has become one of the main support tools to have a second diagnosis in the medical community. In this work, Convolutional Neural Networks (CNN) are used to classify images of CXR lung radiographs into the COVID-19, pneumonia and normal categories. Due to the scarcity of images to train the neural network, a technique called Data Augmentation was used, which is applied in Deep Learning to increase the size of the training set and increase the precision of the database. The data augmentation includes a variety of techniques that can be modified according to the needs of the experiment...
URI : http://repositorio.usfq.edu.ec/handle/23000/11269
Aparece en las colecciones: Tesis - Ingeniería Industrial

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
200323-139389.pdfTexto completo1.61 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons