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: |
| Sumario: | 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 %. |
|---|