Cuantificación de la incertidumbre en la clasificación de imágenes y evaluación del impacto de las redes neuronales bayesianas en la clasificación de pacientes con neumonía por COVID-19 en tomografías computarizadas 3D y 2D: un análisis comparativo de rendimiento
Trabajo de grado - Maestría
2024
Escuela Colombiana de Ingeniería
This research project aims to compare the efficiency of Bayesian versus deterministic neural
networks in the classification of COVID-19 pneumonia using 3D and 2D CT scans. The ’Mos-
MedData: Chest CT Scans with COVID-19 Related Findings’ dataset was used. Both types of
networks were developed and trained under appropriate architectures, with their performance evaluated using specialized metrics designed to measure the efficacy of the models in the
classification task. Este proyecto de investigación tiene como objetivo comparar la eficiencia de las redes neuronales bayesianas frente a las deterministas en la clasificación de la neumonía por COVID-19 mediante tomografías computarizadas 3D y 2D. Se utilizó el conjunto de datos ’MosMedData: tomografías computarizadas de tórax con hallazgos relacionados con COVID-19’. Ambos tipos de redes se desarrollaron y entrenaron bajo arquitecturas apropiadas, y su rendimiento se evaluó utilizando métricas especializadas diseñadas para medir la eficacia de los modelos en la tarea de clasificación.
Descripción:
Documento de trabajo de grado
Título: Tesis_Juan_Manuel_Liscano Fierro.pdf
Tamaño: 12.53Mb
PDFLEER EN FLIP
Descripción: autorización de publicación
Título: autorizacion.pdf
Tamaño: 187.5Kb
PDF
Título: Tesis_Juan_Manuel_Liscano Fierro.pdf
Tamaño: 12.53Mb
PDFLEER EN FLIP
Descripción: autorización de publicación
Título: autorizacion.pdf
Tamaño: 187.5Kb