Un estudio sobre preprocesamiento y mecanismos de atención en Redes Neuronales Convolucionales para clasificación de lesiones de Piel

Autores
Nehmad Alché, Miguel
Año de publicación
2020
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión publicada
Colaborador/a o director/a de tesis
Acevedo, Daniel Germán
Descripción
El melanoma es una forma de cáncer de piel muy peligrosa para la salud. El diagnóstico temprano del mismo es crucial para aumentar las posibilidades de su cura. En base a ello se puede utilizar algoritmos de visión por computadora para analizar imágenes demoscópicas de las lesiones en la piel y clasificar si se trata de lesiones benignas o malignas. En este trabajo estudiamos diversas mejoras que se le pueden aplicar a las redes convolucionales: desde métodos de preprocesamiento sobre el dataset hasta mecanismos de attention sobre la red en sí. Descubrimos que el mecanismo de attention residual learning mejora la performance de la red EfficientNet, así como utilizar algoritmos de preprocesamiento que remueven las frecuencias bajas de las imágenes del dataset.
Melanoma is a very dangerous form of skin cancer. Early diagnosis of it is crucial to increase the chances of its cure. Based on this, computer vision algorithms can be used to analyze dermoscopic images of skin lesions and decide if these correspond to benign or malignant tumors. In this work we study various improvements that can be applied to convolutional networks: ranging from preprocessing methods on the dataset up to attention mechanisms on the network itself. We discovered that the attention residual learning mechanism improves the performance of the EfficientNet network, as well as using preprocessing algorithms that remove low frequencies from the dataset images.
Fil: Nehmad Alché, Miguel. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.
Materia
APRENDIZAJE PROFUNDO
VISION POR COMPUTADORA
CANCER DE PIEL
ATTENTION
REDES NEURONALES CONVOLUCIONALES
DEEP LEARNING
COMPUTER VISION
SKIN CANCER
ATTENTION
CONVOLUTIONAL NEURAL NETWORKS
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
Repositorio
Biblioteca Digital (UBA-FCEN)
Institución
Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
OAI Identificador
seminario:seminario_nCOM000566_NehmadAlche

id BDUBAFCEN_247fdd6124c804bffbfaec650528f140
oai_identifier_str seminario:seminario_nCOM000566_NehmadAlche
network_acronym_str BDUBAFCEN
repository_id_str 1896
network_name_str Biblioteca Digital (UBA-FCEN)
spelling Un estudio sobre preprocesamiento y mecanismos de atención en Redes Neuronales Convolucionales para clasificación de lesiones de PielNehmad Alché, MiguelAPRENDIZAJE PROFUNDOVISION POR COMPUTADORACANCER DE PIELATTENTIONREDES NEURONALES CONVOLUCIONALESDEEP LEARNINGCOMPUTER VISIONSKIN CANCERATTENTIONCONVOLUTIONAL NEURAL NETWORKSEl melanoma es una forma de cáncer de piel muy peligrosa para la salud. El diagnóstico temprano del mismo es crucial para aumentar las posibilidades de su cura. En base a ello se puede utilizar algoritmos de visión por computadora para analizar imágenes demoscópicas de las lesiones en la piel y clasificar si se trata de lesiones benignas o malignas. En este trabajo estudiamos diversas mejoras que se le pueden aplicar a las redes convolucionales: desde métodos de preprocesamiento sobre el dataset hasta mecanismos de attention sobre la red en sí. Descubrimos que el mecanismo de attention residual learning mejora la performance de la red EfficientNet, así como utilizar algoritmos de preprocesamiento que remueven las frecuencias bajas de las imágenes del dataset.Melanoma is a very dangerous form of skin cancer. Early diagnosis of it is crucial to increase the chances of its cure. Based on this, computer vision algorithms can be used to analyze dermoscopic images of skin lesions and decide if these correspond to benign or malignant tumors. In this work we study various improvements that can be applied to convolutional networks: ranging from preprocessing methods on the dataset up to attention mechanisms on the network itself. We discovered that the attention residual learning mechanism improves the performance of the EfficientNet network, as well as using preprocessing algorithms that remove low frequencies from the dataset images.Fil: Nehmad Alché, Miguel. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.Universidad de Buenos Aires. Facultad de Ciencias Exactas y NaturalesAcevedo, Daniel Germán2020info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttps://hdl.handle.net/20.500.12110/seminario_nCOM000566_NehmadAlchespainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/arreponame:Biblioteca Digital (UBA-FCEN)instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesinstacron:UBA-FCEN2025-09-04T09:49:29Zseminario:seminario_nCOM000566_NehmadAlcheInstitucionalhttps://digital.bl.fcen.uba.ar/Universidad públicaNo correspondehttps://digital.bl.fcen.uba.ar/cgi-bin/oaiserver.cgiana@bl.fcen.uba.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:18962025-09-04 09:49:29.98Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturalesfalse
dc.title.none.fl_str_mv Un estudio sobre preprocesamiento y mecanismos de atención en Redes Neuronales Convolucionales para clasificación de lesiones de Piel
title Un estudio sobre preprocesamiento y mecanismos de atención en Redes Neuronales Convolucionales para clasificación de lesiones de Piel
spellingShingle Un estudio sobre preprocesamiento y mecanismos de atención en Redes Neuronales Convolucionales para clasificación de lesiones de Piel
Nehmad Alché, Miguel
APRENDIZAJE PROFUNDO
VISION POR COMPUTADORA
CANCER DE PIEL
ATTENTION
REDES NEURONALES CONVOLUCIONALES
DEEP LEARNING
COMPUTER VISION
SKIN CANCER
ATTENTION
CONVOLUTIONAL NEURAL NETWORKS
title_short Un estudio sobre preprocesamiento y mecanismos de atención en Redes Neuronales Convolucionales para clasificación de lesiones de Piel
title_full Un estudio sobre preprocesamiento y mecanismos de atención en Redes Neuronales Convolucionales para clasificación de lesiones de Piel
title_fullStr Un estudio sobre preprocesamiento y mecanismos de atención en Redes Neuronales Convolucionales para clasificación de lesiones de Piel
title_full_unstemmed Un estudio sobre preprocesamiento y mecanismos de atención en Redes Neuronales Convolucionales para clasificación de lesiones de Piel
title_sort Un estudio sobre preprocesamiento y mecanismos de atención en Redes Neuronales Convolucionales para clasificación de lesiones de Piel
dc.creator.none.fl_str_mv Nehmad Alché, Miguel
author Nehmad Alché, Miguel
author_facet Nehmad Alché, Miguel
author_role author
dc.contributor.none.fl_str_mv Acevedo, Daniel Germán
dc.subject.none.fl_str_mv APRENDIZAJE PROFUNDO
VISION POR COMPUTADORA
CANCER DE PIEL
ATTENTION
REDES NEURONALES CONVOLUCIONALES
DEEP LEARNING
COMPUTER VISION
SKIN CANCER
ATTENTION
CONVOLUTIONAL NEURAL NETWORKS
topic APRENDIZAJE PROFUNDO
VISION POR COMPUTADORA
CANCER DE PIEL
ATTENTION
REDES NEURONALES CONVOLUCIONALES
DEEP LEARNING
COMPUTER VISION
SKIN CANCER
ATTENTION
CONVOLUTIONAL NEURAL NETWORKS
dc.description.none.fl_txt_mv El melanoma es una forma de cáncer de piel muy peligrosa para la salud. El diagnóstico temprano del mismo es crucial para aumentar las posibilidades de su cura. En base a ello se puede utilizar algoritmos de visión por computadora para analizar imágenes demoscópicas de las lesiones en la piel y clasificar si se trata de lesiones benignas o malignas. En este trabajo estudiamos diversas mejoras que se le pueden aplicar a las redes convolucionales: desde métodos de preprocesamiento sobre el dataset hasta mecanismos de attention sobre la red en sí. Descubrimos que el mecanismo de attention residual learning mejora la performance de la red EfficientNet, así como utilizar algoritmos de preprocesamiento que remueven las frecuencias bajas de las imágenes del dataset.
Melanoma is a very dangerous form of skin cancer. Early diagnosis of it is crucial to increase the chances of its cure. Based on this, computer vision algorithms can be used to analyze dermoscopic images of skin lesions and decide if these correspond to benign or malignant tumors. In this work we study various improvements that can be applied to convolutional networks: ranging from preprocessing methods on the dataset up to attention mechanisms on the network itself. We discovered that the attention residual learning mechanism improves the performance of the EfficientNet network, as well as using preprocessing algorithms that remove low frequencies from the dataset images.
Fil: Nehmad Alché, Miguel. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.
description El melanoma es una forma de cáncer de piel muy peligrosa para la salud. El diagnóstico temprano del mismo es crucial para aumentar las posibilidades de su cura. En base a ello se puede utilizar algoritmos de visión por computadora para analizar imágenes demoscópicas de las lesiones en la piel y clasificar si se trata de lesiones benignas o malignas. En este trabajo estudiamos diversas mejoras que se le pueden aplicar a las redes convolucionales: desde métodos de preprocesamiento sobre el dataset hasta mecanismos de attention sobre la red en sí. Descubrimos que el mecanismo de attention residual learning mejora la performance de la red EfficientNet, así como utilizar algoritmos de preprocesamiento que remueven las frecuencias bajas de las imágenes del dataset.
publishDate 2020
dc.date.none.fl_str_mv 2020
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12110/seminario_nCOM000566_NehmadAlche
url https://hdl.handle.net/20.500.12110/seminario_nCOM000566_NehmadAlche
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
publisher.none.fl_str_mv Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
dc.source.none.fl_str_mv reponame:Biblioteca Digital (UBA-FCEN)
instname:Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron:UBA-FCEN
reponame_str Biblioteca Digital (UBA-FCEN)
collection Biblioteca Digital (UBA-FCEN)
instname_str Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
instacron_str UBA-FCEN
institution UBA-FCEN
repository.name.fl_str_mv Biblioteca Digital (UBA-FCEN) - Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales
repository.mail.fl_str_mv ana@bl.fcen.uba.ar
_version_ 1842340721857658880
score 12.623145