Universidad de Castilla-La Mancha
 
Escuela Superior de Ingeniería Informática

 

  cambiar a curso:   2021-22   2023-24



Grado en Ingeniería Informática


TRABAJOS FIN DE GRADO
curso: 2022-23

Clasificación de tipos de hemorragias intracraneales mediante técnicas de aprendizaje automático


Tecnologías Específicas

Computación
 


Descripcion y Objetivos

Una hemorragia intracraneal (acumulación de sangre dentro del cráneo) es un problema de salud muy grave que puede causar daños al cerebro y los nervios rápidamente, pudiendo llegar a ser fatal sin un diagnóstico rápido y tratamiento intensivo. De acuerdo con estudios recientes, las hemorragias intracraneales representan el 10% de los accidentes cardiovasculares, siendo este a su vez la quinta principal causa de muerte. Su diagnóstico requiere de un procedimiento urgente, complicado y que consume mucho tiempo, dado que precisa de especialistas que revisen las imágenes del cráneo del paciente para buscar la presencia, la ubicación y el tipo de hemorragia intracraneal. Por tanto, el diseño de métodos eficientes y precisos es un paso crítico en el tratamiento de un paciente.

En este trabajo fin de grado vamos a abordar el problema mediante el desarrollo de modelos de aprendizaje automático capaces de predecir los tipos de hemorragias craneales a partir de imágenes médicas. Los datos que se van a usar provienen de la Radiological Society of North America (RSNA) y American Society of Neuroradiology (ASNR). La misión de estas organizaciones es promover el análisis informático de imágenes médicas a través de la educación, investigación e innovación multidisciplinar. Actualmente estos datos están disponibles en la plataforma Kaggle (https://www.kaggle.com/competitions/rsna-intracranial-hemorrhage-detection/overview).

El objetivo de este trabajo fin de grado es estudiar el problema y proporcionar distintas soluciones al mismo, comparándolas desde un punto de vista formal (validación). Además, se proporcionará una aplicación software para realizar predicciones online. Con este fin planteamos los siguientes subobjetivos:

  • Realizar un estudio de los datos disponibles (imágenes), realizando las transformaciones necesarias sobre los datos de entrada para poder abordar la tarea correspondiente (predicción de los diferentes tipos de hemorragias intracraneales).
  • Definir las distintas estrategias de predicción, abordando desde técnicas de deep learning a métodos clásicos de aprendizaje automático.
  • Integrar el modelo de aprendizaje automático en una aplicación online para predecir los diferentes tipos de hemorragias intracraneales.
 


Metodología y Competencias

Metodología

 

  1. Revisar el contexto del problema y la literatura disponible.
  2. Realizar un análisis exploratorio de los datos existentes.
  3. Sobre la partición de datos de entrenamiento, diseñar procesos de minería de datos centrados en:
    1. Validación de los modelos obtenidos.
    2. Identificación de los algoritmos de minería de datos que mejor encajen en el problema objetivo.
    3. Preprocesamiento de datos (selección de variables, construcción de variables, etc.).
    4. Iterar refinando los pasos anteriores hasta determinar uno o varios modelos exitosos.
  4. Documentar todo el proceso anterior para que sea reproducible.
  5. Estimar la bondad de los modelos finales sobre el conjunto de datos de prueba reservado a tal efecto.
  6. Integrar los modelos finales en una aplicación web.
  7. Redactar la memoria.

Competencias


Se trabajarán principalmente (en distinto grado) las siguientes competencias específicas de la tecnología de
computación:

  • Capacidad para evaluar la complejidad computacional de un problema, conocer estrategias algorítmicas que puedan conducir a su resolución y recomendar, desarrollar e implementar aquella que garantice el mejor rendimiento de acuerdo con los requisitos establecidos.
  • Capacidad para conocer los fundamentos, paradigmas y técnicas propias de los sistemas inteligentes y analizar, diseñar y construir sistemas, servicios y aplicaciones informáticas que utilicen dichas técnicas en cualquier ámbito de aplicación.
  • Capacidad para adquirir, obtener, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación, percepción y actuación en ambientes entornos inteligentes.
  • Capacidad para conocer y desarrollar técnicas de aprendizaje computacional y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos.

 

 


Medios a utilizar

Ordenadores personales, compiladores y entornos de programación. Servicios de tarjetas gráficas para el entrenamiento e inferencia de redes neuronales profundas. Todo disponible en la ESIIAB, I3A o mediante servicios en la nube.

 


Bibliografía

Libros y manuales de inteligencia artificial y aprendizaje automático. Libros y manuales de lenguajes de programación y librerías específicas de aprendizaje automático. Todo disponible en la ESIIAB o internet.

 


Tutores


GAMEZ MARTIN, JOSE ANTONIO
ALFARO JIMENEZ, JUAN CARLOS
 

Alumno


GARCÍA CASTRO, JOSÉ ANTONIO

 

 

Sindicación  Sindicación  Sindicación  Sindicación

Curso: 2022-23
© Escuela Superior de Ingeniería Informática
Edificio Infante Don Juan Manuel
Avda. de España s/n
02071 Albacete
Tfno: 967 59 92 00 - Fax: 967 59 92 24

informatica.ab@uclm.es
aviso legal
generar código QR de la página