dc.contributor.advisor | Arganda Carreras, Ignacio | |
dc.contributor.advisor | Muñoz Barrutia, Arrate | |
dc.contributor.author | Franco Barranco, Daniel | |
dc.date.accessioned | 2019-10-01T08:26:03Z | |
dc.date.available | 2019-10-01T08:26:03Z | |
dc.date.issued | 2019-09-30 | |
dc.identifier.uri | http://hdl.handle.net/10810/35544 | |
dc.description.abstract | Este proyecto se basa en la realización de la segmentación de mitocondrias en imágenes
celulares obtenidas mediante microscopia electrónica. Para ello se hace uso principalmente
de las redes neuronales, y concretamente una arquitectura de red convolucional llamada
U-Net. Se presenta un estudio pormenorizado para la búsqueda de la mejor combinación
de parámetros y técnicas que permitan obtener una buena segmentación. En el estudio,
se han probado diferentes conjuntos de datos públicos utilizados por la comunidad, donde
finalmente se han alcanzado resultados comparables al estado del arte. | es_ES |
dc.language.iso | spa | es_ES |
dc.rights | info:eu-repo/semantics/openAccess | es_ES |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/es/ | |
dc.subject | inteligencia artificial | es_ES |
dc.subject | red neuronal convolucional | es_ES |
dc.subject | segmentación de imagen | es_ES |
dc.subject | mitocondria | es_ES |
dc.title | Detección de mitocondrias en células mediante Deep Learning | es_ES |
dc.type | info:eu-repo/semantics/masterThesis | es_ES |
dc.rights.holder | Atribución-NoComercial-CompartirIgual 3.0 España | |