Evaluar las redes neuronales convolucionales para la clasificación de imágenes histológicas de cáncer de colon rectal mediante la transferencia de aprendizaje.
-
convnet: arquitecturas implementadas. VGG16, VGG19 e InceptionV3. Primero, se obtienen descriptores profundos, a los que se aplican primero reducción de dimensionalidad y luego se clasifican por métodos clásicos. Segundo, se entrena una capa convolucional en cada arquitectura y es la propia red quien clasifica las imágenes.
-
data: exploración de los datos y la creación de muestras para el entrenamiento de la capa convolucional.
-
system: información del sistema en el que se ha desarrollado el trabajo. Logs de algunas plataformas y programas usados.
Nota: Las imágenes y las muestras no se han incluido, por el tamaño de las mismas. En J. N. Kather et al., “Collection of textures in colorectal cancer histology,” doi.org, May 2016 pueden ser descargadas.
- Git-Github: para el versionado de código.
- Mendeley: para la organización de la bibliografía a la que se ha recurrido.
- Python - Jupyter: para la edición de código de las implementaciones llevadas a cabo.
- Keras - Anaconda: conjunto de librerías que se usarán en el desarrollo de la investigación.