Robustez de las redes neuronales profundas para clasificar imágenes médicas.

Mostrar todas las versiones(2)

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...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Kloster, Matias A.
Formato: Tesis NonPeerReviewed
Lenguaje:Español
Publicado: 2019
Materias:
Redes neuronales
Física médica
Neural networks
Pathology
Patología
[Robustness
Robustez
Deep machine learning: Aprendizaje automático]
Acceso en línea:http://ricabib.cab.cnea.gov.ar/836/1/1Kloster.pdf
Aporte de:
Repositorio Institucional Centro Atómico Bariloche e Instituto Balseiro (RICABIB) de Instituto Balseiro
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

Ejemplares similares