Robustez de las redes neuronales profundas para clasificar imágenes médicas.
En esta tesis se aborda el problema de clasificación automática de imágenes utilizando técnicas de redes neuronales profundas. Estas técnicas permiten lograr resultados comparables con los del sistema visual humano, pero presentan limitaciones tales como ser vulnerables a ejemplos adecuadamente eleg...
Guardado en:
Autor principal: | |
---|---|
Formato: | Tesis NonPeerReviewed |
Lenguaje: | Español |
Publicado: |
2019
|
Materias: | |
Acceso en línea: | http://ricabib.cab.cnea.gov.ar/836/1/1Kloster.pdf |
Aporte de: |
id |
I25-R131-836 |
---|---|
record_format |
dspace |
spelling |
I25-R131-8362021-03-15T14:52:40Z Robustez de las redes neuronales profundas para clasificar imágenes médicas. Robustness of deep neural network to classify medical images. Kloster, Matias A. Redes neuronales Física médica Neural networks Redes neuronales Pathology Patología [Robustness Robustez Deep machine learning: Aprendizaje automático] En esta tesis se aborda el problema de clasificación automática de imágenes utilizando técnicas de redes neuronales profundas. Estas técnicas permiten lograr resultados comparables con los del sistema visual humano, pero presentan limitaciones tales como ser vulnerables a ejemplos adecuadamente elegidos. Estos ejemplos, son llamados ejemplos adversariales y se pueden construir de diversas maneras a partir de una imagen natural. Los ejemplos adversariales son clasificados erróneamente por la red, pero son visualmente indistinguibles de las imágenes naturales. Luego de un estudio exhaustivo de dicha problemática, se realiza la generación de ejemplos adversariales sobre dos bases de datos ampliamente conocidas. Luego, dada una imagen se implementa un algoritmo que detecta si la misma es natural o adversarial, tomando nota de la precisión del método. Por ultimo, se realizaron las mismas pruebas sobre una base de datos de imágenes de una patología denominada retinopatía diabetica, en donde la red neuronal utilizada categoriza la imagen según la gravedad de la enfermedad o la ausencia de la misma. La detección de las imágenes adversariales de retinopatía diabetica utilizando el método propuesto en este estudio presenta un error de 3:8 %. This thesis approaches the problem of automatic image classification using deep neural network techniques. These techniques achieve results comparable with those of the human visual system, but they present limitations such as being vulnerable to properly chosen examples. These examples, are called adversarial examples and can be constructed in various ways from a natural image. Adversarial examples are erroneously classified by the network, but are visually indistinguishable from natural images. After an exhaustive study of this problem, adversarial examples are generated on the basis of two widely known databases. Then, given an image, an algorithm is implemented that detects if it is natural or adversarial, taking note of the precision of the method. Finally, the same tests were performed on a database of images of a pathology called diabetic retinopathy, where the neuronal network categorizes the image according to the severity of the disease or its absence. The detection of diabetic retinopathy adversarial images using the method proposed in this study presents an error of 3:8%. 2019-06-24 Tesis NonPeerReviewed application/pdf http://ricabib.cab.cnea.gov.ar/836/1/1Kloster.pdf es Kloster, Matias A. (2019) Robustez de las redes neuronales profundas para clasificar imágenes médicas. / Robustness of deep neural network to classify medical images. Proyecto Integrador Ingeniería Mecánica, Universidad Nacional de Cuyo, Instituto Balseiro. http://ricabib.cab.cnea.gov.ar/836/ |
institution |
Instituto Balseiro |
institution_str |
I-25 |
repository_str |
R-131 |
collection |
Repositorio Institucional Centro Atómico Bariloche e Instituto Balseiro (RICABIB) |
language |
Español |
orig_language_str_mv |
es |
topic |
Redes neuronales Física médica Neural networks Redes neuronales Pathology Patología [Robustness Robustez Deep machine learning: Aprendizaje automático] |
spellingShingle |
Redes neuronales Física médica Neural networks Redes neuronales Pathology Patología [Robustness Robustez Deep machine learning: Aprendizaje automático] Kloster, Matias A. Robustez de las redes neuronales profundas para clasificar imágenes médicas. |
topic_facet |
Redes neuronales Física médica Neural networks Redes neuronales Pathology Patología [Robustness Robustez Deep machine learning: Aprendizaje automático] |
description |
En esta tesis se aborda el problema de clasificación automática de imágenes utilizando técnicas de redes neuronales profundas. Estas técnicas permiten lograr resultados comparables con los del sistema visual humano, pero presentan limitaciones tales como ser vulnerables a ejemplos adecuadamente elegidos. Estos ejemplos, son llamados ejemplos adversariales y se pueden construir de diversas maneras a partir de una imagen natural. Los ejemplos adversariales son clasificados erróneamente por la red, pero son
visualmente indistinguibles de las imágenes naturales.
Luego de un estudio exhaustivo de dicha problemática, se realiza la generación de ejemplos adversariales sobre dos bases de datos ampliamente conocidas. Luego, dada una imagen se implementa un algoritmo que detecta si la misma es natural o adversarial,
tomando nota de la precisión del método.
Por ultimo, se realizaron las mismas pruebas sobre una base de datos de imágenes de una patología denominada retinopatía diabetica, en donde la red neuronal utilizada categoriza la imagen según la gravedad de la enfermedad o la ausencia de la misma. La
detección de las imágenes adversariales de retinopatía diabetica utilizando el método propuesto en este estudio presenta un error de 3:8 %. |
format |
Tesis NonPeerReviewed |
author |
Kloster, Matias A. |
author_facet |
Kloster, Matias A. |
author_sort |
Kloster, Matias A. |
title |
Robustez de las redes neuronales profundas para clasificar imágenes médicas. |
title_short |
Robustez de las redes neuronales profundas para clasificar imágenes médicas. |
title_full |
Robustez de las redes neuronales profundas para clasificar imágenes médicas. |
title_fullStr |
Robustez de las redes neuronales profundas para clasificar imágenes médicas. |
title_full_unstemmed |
Robustez de las redes neuronales profundas para clasificar imágenes médicas. |
title_sort |
robustez de las redes neuronales profundas para clasificar imágenes médicas. |
publishDate |
2019 |
url |
http://ricabib.cab.cnea.gov.ar/836/1/1Kloster.pdf |
work_keys_str_mv |
AT klostermatiasa robustezdelasredesneuronalesprofundasparaclasificarimagenesmedicas |
_version_ |
1794277842585911296 |