Este trabajo presenta un prototipo de aprendizaje profundo (deep learning) para la segmentación semántica y clasificación conjunta de patologías en radiografías de tórax. Se propone una arquitectura multitarea codificador-decodificador (encoder–decoder), basada en una variante de la red DenseNet similar a U-Net, que permite la segmentación precisa de estructuras pulmonares y la identificación simultánea de enfermedades torácicas. Asimismo, se implementa una capa de pérdida personalizada que aplica ponderación de funciones e incorpora la incertidumbre homocedástica propia de cada tarea. Este esquema de optimización conjunta concilia las distintas métricas de evaluación entre tareas, consolidando una herramienta de soporte a la decisión clínica en el diagnóstico de patologías pulmonares.
- Cover
- Title page
- Copyright page
- Index
- Introduction
- Chapter 1. Simultaneous Classification and Segmentation of Chest X-Ray Images
- Introduction
- Problem Statement and Justification
- Objectives
- Theoretical Framework
- Methodology
- Results
- Conclusions
- References
- Chapter 2. Design and implementation of an intelligent control system to improve the energy efficiency of an electric micro-mobility solution in Pereira, Colombia
- Introduction
- Problem Statement and Justification
- Objectives
- Theoretical Framework
- Methodology
- Results
- Conclusions
- References
- Chapter 3. Automatic Monitoring System for the Clinical Evaluation of Infants with Neurological Motor Disorders Through the Analysis of Brain Volume and Gait Pattern
- Introduction
- Problem Statement
- Justification
- Objectives
- Theoretical Framework
- Methodology
- Methodological Phases
- Results
- Conclusions
- References
Texto
Audio
Adobe DRM
Ingrese a su cuenta