Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.usfq.edu.ec/handle/23000/14247| Tipo de material: | bachelorThesis |
| Título : | Medical Image Segmentation for the Detection of Neck and Head Tumors |
| Autor : | Arguello Herrera, Juan Ignacio Jácome Mejía, Sebastián González Custode, Isabela |
| Director de Tesis : | Baldeón, María Gbriela, dir. |
| Descriptores : | Redes neuronales artificiales;Imágenes diagnósticas - Técnicas digitales - Tesis y disertaciones académicas |
| Fecha de publicación : | 11-dic-2024 |
| Editorial : | Quito |
| Citación : | Tesis (Ingeniero Industrial), Universidad San Francisco de Quito, Colegio de Ciencias e Ingeniería; Quito, Ecuador, 2024 |
| Páginas : | 30 h. |
| Acceso: | openAccess Atribución-NoComercial-SinDerivadas 3.0 Ecuador |
| Resumen : | Los tumores de cabeza y cuello pueden ser difíciles de detectar y tratar, especialmente si se tiene en cuenta que la detección temprana es crucial para el resultado del paciente. En esta investigación, se presenta un enfoque que utiliza una red neuronal convolucional U-Net para detectar tumores de cabeza y cuello. Este estudio se realizó utilizando el conjunto de datos HNTSMRG 2024 Challenge. Además, se aplicó la optimización bayesiana para optimizar los hiperparámetros de la tasa de aprendizaje y el tamaño del lote, lo que resultó en una mejora significativa en las métricas del modelo: intersección sobre unión y coeficiente de similitud de dados... |
| Descripción : | Head and neck tumors can be challenging to detect and treat, especially considering that early detection is crucial for the patient’s outcome. This paper presents an approach using a U-Net Convolutional Neural Network to detect head and neck tumors. This study was made using the HNTSMRG 2024 Challenge dataset. Furthermore, Bayesian Optimization was applied to optimize the hyperparameters of learning rate and batch size, resulting in a significant improvement in the model’s metrics: Intersection Over Union and Dice Similarity Coefficient. The proposed U-Net achieved an IoU of 0.23 and 0.35 for classes 1 and 2, respectively... |
| URI : | http://repositorio.usfq.edu.ec/handle/23000/14247 |
| Aparece en las colecciones: | Tesis - Ingeniería Industrial |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 214586-320503-320492.pdf | Texto completo | 1.1 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
