Publication:
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

Thumbnail Image
Files

Files

Primary Tesis_Juan_Manuel_Liscano Fierro.pdf (12.53 MB)
 autorizacion.pdf (187.51 KB)
View Statistics
Reference Managers
Mendeley
Indexers
Google Scholar CORE
QR Code
QR Code
Authors

Authors

Liscano Fierro, Juan Manuel
Abstract (Spanish)
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.
Abstract (English)
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.
Director

Advisors/Directors

Hortua Orjuela, Hector Javier
Extent
80 páginas
URI: https://repositorio.escuelaing.edu.co/handle/001/3212
Collections

Collections

GE - Trabajos de Grado Maestría en Ciencia de Datos