Algoritmo de clasificación en un ambiente distribuido para la identificación de enfermedades en imágenes médicas

Abstract

En este trabajo se aborda el problema de clasificación de estilos fotográficos con el uso de redes neuronales convolucionales, el cual está enfocado a analizar la parte estética de la imagen (estilo) y no a su contenido. Dicho problema ya ha sido abordado en trabajos previos, sin embargo, los resultados no son tan favorables. En el presente, se estudian distintas arquitecturas y configuraciones de redes convolucionales con el fin de mejorar los resultados existentes y/o encontrar las posibles causas del bajo desempeño de los algoritmos. Primeramente, se recolectó un dataset que permitiera trabajar con aspectos estilísticos de la imagen. Posteriormente, se probaron distintas arquitecturas de redes convolucionales para seleccionar aquella que diera un mejor resultado. Una vez hecho lo anterior, se probaron distintas técnicas para mejorar el desempeño del modelo seleccionado como: transfer learning, data augmentation, y dropout. Finalmente, se muestran los resultados obtenidos de entrenar las distintas arquitecturas, la comparación con los trabajos previos y ciertas observaciones que sugieren algunas de las causas que impiden que el modelo mejore su desempeño.