Exploración de Vision Transformer para la clasificación de células normales de sangre periférica

Pese a que las Redes Neuronales Convolucionales hayan revolucionado el mundo de la visión artificial, ante el creciente aumento del tamaño de los conjuntos de datos y el continuo desarrollo de nuevas técnicas, estos modelos empiecen a presentar limitaciones, especialmente debido a su elevado tiempo...

Descripción completa

Detalles Bibliográficos
Autor: Ryba Maciejewska, Belén
Tipo de recurso: tesis de maestría
Fecha de publicación:2021
País:España
Institución:Universitat Oberta de Catalunya (UOC)
Repositorio:O2, repositorio institucional de la UOC
OAI Identifier:oai:openaccess.uoc.edu:10609/132286
Acceso en línea:http://hdl.handle.net/10609/132286
Access Level:acceso abierto
Palabra clave:Visual Transformer
deep learning
image classification
clasificación de imágenes
aprendizaje profundo
aprenentatge profund
classificació d'imatges
Bioinformatics -- TFM
Bioinformàtica -- TFM
Bioinformática -- TFM
id ES_79f1adf94b3ad4dca67e6aa8ae5df6fd
oai_identifier_str oai:openaccess.uoc.edu:10609/132286
network_acronym_str ES
network_name_str España
repository_id_str
spelling Exploración de Vision Transformer para la clasificación de células normales de sangre periféricaRyba Maciejewska, BelénVisual Transformerdeep learningimage classificationclasificación de imágenesaprendizaje profundoVisual Transformeraprenentatge profundclassificació d'imatgesVisual TransformerBioinformatics -- TFMBioinformàtica -- TFMBioinformática -- TFMPese a que las Redes Neuronales Convolucionales hayan revolucionado el mundo de la visión artificial, ante el creciente aumento del tamaño de los conjuntos de datos y el continuo desarrollo de nuevas técnicas, estos modelos empiecen a presentar limitaciones, especialmente debido a su elevado tiempo de procesamiento. En el siguiente trabajo se analiza Vision Transformer, una nueva arquitectura propuesta que permitiría superar estas restricciones. Centrando su aplicación en el campo de las ciencias de la computación en el ámbito sanitario para el reconocimiento automático de células en sangre periférica. Los resultados obtenidos, con una precisión superior al 0.96 en la clasificación, sugieren que los modelos basados en ViT son una prometedora alternativa para el desempeño de este tipo de tareas frente a los ya conocidos modelos basados en CNNs. Asimismo, se implementa una sencilla interfaz gráfica para acercar a los usuarios a la utilización de este tipo de algoritmos para la clasificación, sin tener que disponer de conocimientos informáticos avanzados.Malgrat que les Xarxes Neuronals Convolucionals hagin revolucionat el món de la visió artificial, davant el creixent augment de la grandària dels conjunts de dades i el continu desenvolupament de noves tècniques, aquests models comencin a presentar limitacions, especialment a causa del seu elevat temps de processament. En el següent treball s'analitza Vision Transformer, una nova arquitectura proposada que permetria superar aquestes restriccions. Centrant la seva aplicació en el camp de les ciències de la computació en l'àmbit sanitari per al reconeixement automàtic de cèl·lules en sang perifèrica. Els resultats obtinguts, amb una precisió superior al 0.96 en la classificació, suggereixen que els models basats en ViT són una prometedora alternativa per a l'acompliment d'aquesta mena de tasques enfront dels ja coneguts models basats en CNNs. Així mateix, s'implementa una senzilla interfície gràfica per a acostar als usuaris a la utilització d'aquesta mena d'algorismes per a la classificació, sense haver de disposar de coneixements informàtics avançats.Although Convolutional Neuronal Networks have revolutionized the world of computer vision,with the increasing size of datasets and the continuous development of new techniques, these models are beginning to present limitations, especially due to their high processing time. The following work analyzes Vision Transformer, a new proposed architecture that would allow overcoming these restrictions. Focusing its application in the field of computer science for the automatic recognition of cells in peripheral blood. The results obtained, with a higher classification accuracy than 0.96, show that ViT-based models are a promising alternative to the well-known CNN-based models for the performance of this type of tasks. In addition, a simple graphical interface is implemented with the aim of bringing users closer to the use of this type of algorithms for classification tasks, without any deep computer knowledge.Universitat Oberta de Catalunya (UOC)Calvet Liñán, LauraAlférez, Santiago202120212021info:eu-repo/semantics/masterThesisapplication/pdfapplication/pdfhttp://hdl.handle.net/10609/132286reponame:O2, repositorio institucional de la UOCinstname:Universitat Oberta de Catalunya (UOC)EspañolCC BY-NC-NDhttp://creativecommons.org/licenses/by-nc-nd/3.0/es/info:eu-repo/semantics/openAccessoai:openaccess.uoc.edu:10609/1322862026-05-28T12:42:01Z
dc.title.none.fl_str_mv Exploración de Vision Transformer para la clasificación de células normales de sangre periférica
title Exploración de Vision Transformer para la clasificación de células normales de sangre periférica
spellingShingle Exploración de Vision Transformer para la clasificación de células normales de sangre periférica
Ryba Maciejewska, Belén
Visual Transformer
deep learning
image classification
clasificación de imágenes
aprendizaje profundo
Visual Transformer
aprenentatge profund
classificació d'imatges
Visual Transformer
Bioinformatics -- TFM
Bioinformàtica -- TFM
Bioinformática -- TFM
title_short Exploración de Vision Transformer para la clasificación de células normales de sangre periférica
title_full Exploración de Vision Transformer para la clasificación de células normales de sangre periférica
title_fullStr Exploración de Vision Transformer para la clasificación de células normales de sangre periférica
title_full_unstemmed Exploración de Vision Transformer para la clasificación de células normales de sangre periférica
title_sort Exploración de Vision Transformer para la clasificación de células normales de sangre periférica
dc.creator.none.fl_str_mv Ryba Maciejewska, Belén
author Ryba Maciejewska, Belén
author_facet Ryba Maciejewska, Belén
author_role author
dc.contributor.none.fl_str_mv Calvet Liñán, Laura
Alférez, Santiago
dc.subject.none.fl_str_mv Visual Transformer
deep learning
image classification
clasificación de imágenes
aprendizaje profundo
Visual Transformer
aprenentatge profund
classificació d'imatges
Visual Transformer
Bioinformatics -- TFM
Bioinformàtica -- TFM
Bioinformática -- TFM
topic Visual Transformer
deep learning
image classification
clasificación de imágenes
aprendizaje profundo
Visual Transformer
aprenentatge profund
classificació d'imatges
Visual Transformer
Bioinformatics -- TFM
Bioinformàtica -- TFM
Bioinformática -- TFM
description Pese a que las Redes Neuronales Convolucionales hayan revolucionado el mundo de la visión artificial, ante el creciente aumento del tamaño de los conjuntos de datos y el continuo desarrollo de nuevas técnicas, estos modelos empiecen a presentar limitaciones, especialmente debido a su elevado tiempo de procesamiento. En el siguiente trabajo se analiza Vision Transformer, una nueva arquitectura propuesta que permitiría superar estas restricciones. Centrando su aplicación en el campo de las ciencias de la computación en el ámbito sanitario para el reconocimiento automático de células en sangre periférica. Los resultados obtenidos, con una precisión superior al 0.96 en la clasificación, sugieren que los modelos basados en ViT son una prometedora alternativa para el desempeño de este tipo de tareas frente a los ya conocidos modelos basados en CNNs. Asimismo, se implementa una sencilla interfaz gráfica para acercar a los usuarios a la utilización de este tipo de algoritmos para la clasificación, sin tener que disponer de conocimientos informáticos avanzados.
publishDate 2021
dc.date.none.fl_str_mv 2021
2021
2021
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10609/132286
url http://hdl.handle.net/10609/132286
dc.language.none.fl_str_mv Español
language_invalid_str_mv Español
dc.rights.none.fl_str_mv CC BY-NC-ND
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC BY-NC-ND
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universitat Oberta de Catalunya (UOC)
publisher.none.fl_str_mv Universitat Oberta de Catalunya (UOC)
dc.source.none.fl_str_mv reponame:O2, repositorio institucional de la UOC
instname:Universitat Oberta de Catalunya (UOC)
instname_str Universitat Oberta de Catalunya (UOC)
reponame_str O2, repositorio institucional de la UOC
collection O2, repositorio institucional de la UOC
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869411400339685376
score 15,301603

Similares en LA Referencia