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 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.

Grantor dc:publisher

Universitat Oberta de Catalunya (UOC)

Year dc:date.issued

2021

Author dc:creator

• Ryba Maciejewska, Belén

• Visual Transformer
• deep learning
• image classification
• clasificación de imágenes
• aprendizaje profundo
• aprenentatge profund
• classificació d'imatges

Statement dc:rights

• CC BY-NC-ND

Licence dc:rights.uri

• http://creativecommons.org/licenses/by-nc-nd/3.0/es/

Language dc:language.iso

spa

Handle dc:identifier.uri

http://hdl.handle.net/10609/132286

OAI identifier oai:identifier

oai:openaccess.uoc.edu:10609/132286