Mostrar el registro sencillo del ítem

dc.contributor.advisor	Paredes Palacios, Roberto	es_ES
dc.contributor.advisor	Albiol Colomer, Alberto	es_ES
dc.contributor.author	Aas Alas, Mohamed	es_ES
dc.date.accessioned	2024-10-13T22:45:45Z
dc.date.available	2024-10-13T22:45:45Z
dc.date.created	2024-09-24
dc.date.issued	2024-10-14	es_ES
dc.identifier.uri	http://hdl.handle.net/10251/210008
dc.description.abstract	[ES] La motivación de este trabajo radica en la importancia de mejorar la precisión y eficiencia en la generación automática de informes de radiología, un proceso que puede agilizar el diagnóstico y tratamiento de los pacientes, así como reducir la carga de trabajo de los médicos. Utilizaremos el dataset MIMIC-CXR, el cual contiene radiografías de pacientes y sus respectivos informes médicos para entrenar el modelo. La tarea específica consiste en generar informes detallados y precisos a partir de imágenes radiológicas utilizando un modelo VED (Vision Encoder Decoder). El objetivo principal de este trabajo es mejorar el rendimiento del modelo de generación de informes de radiología mencionado, aplicando técnicas como el text augmentation sobre el dataset mediante el uso de la API de ChatGPT. La estructura del trabajo se enfocará primero en intentar mejorar las prestaciones del modelo mediante diversas técnicas y, posteriormente, comparar las métricas obtenidas con el estado del arte actual, con el fin de evaluar la efectividad de los métodos implementados y determinar posibles avances en el campo.	es_ES
dc.description.abstract	[EN] The motivation of this work lies in the importance of improving the accuracy and efficiency in the automatic generation of radiology reports, a process that can speed up the diagnosis and treatment of patients, as well as reduce the workload of physicians. We will use the MIMIC-CXR dataset, which contains patient x-rays and their respective medical reports, to train the model. The specific task is to generate detailed and accurate reports from radiological images using a VED (Vision Encoder Decoder) model. The main objective of this work is to improve the performance of the mentioned radiology report generation model, applying techniques such as text augmentation on the dataset by using the OpenAI API. The structure of the work will first focus on trying to improve the performance of the model through various techniques and, subsequently, compare the obtained metrics with the current state of the art, in order to evaluate the effectiveness of the implemented methods and determine possible advances in the field.	es_ES
dc.format.extent	54	es_ES
dc.language	Español	es_ES
dc.publisher	Universitat Politècnica de València	es_ES
dc.rights	Reserva de todos los derechos	es_ES
dc.subject	Generación automática de informes	es_ES
dc.subject	Radiografía	es_ES
dc.subject	Informes médicos	es_ES
dc.subject	Radiography	es_ES
dc.subject	Medical Reports	es_ES
dc.subject	Automated report generation	es_ES
dc.subject.classification	TEORÍA DE LA SEÑAL Y COMUNICACIONES	es_ES
dc.subject.classification	LENGUAJES Y SISTEMAS INFORMATICOS	es_ES
dc.subject.other	Máster Universitario en Inteligencia Artificial, Reconocimiento de Formas e Imagen Digital-Màster Universitari en Intel·ligència Artificial, Reconeixement de Formes i Imatge Digital	es_ES
dc.title	Mejora de las prestaciones de un modelo para la generación de informes de radiología.	es_ES
dc.title.alternative	Enhancing the performance of a model for radiology report generation.	es_ES
dc.title.alternative	Millora de les prestacions d'un model per a la generació d'informes de radiología.	es_ES
dc.type	Tesis de máster	es_ES
dc.rights.accessRights	Abierto	es_ES
dc.contributor.affiliation	Universitat Politècnica de València. Departamento de Sistemas Informáticos y Computación - Departament de Sistemes Informàtics i Computació	es_ES
dc.description.bibliographicCitation	Aas Alas, M. (2024). Mejora de las prestaciones de un modelo para la generación de informes de radiología. Universitat Politècnica de València. http://hdl.handle.net/10251/210008	es_ES
dc.description.accrualMethod	TFGM	es_ES
dc.relation.pasarela	TFGM\164915	es_ES

Ficheros en el ítem

Descargar (3.014Mb)

Aas - Mejora de...ogia.pdf

PDF

Este ítem aparece en la(s) siguiente(s) colección(ones)

• Servicio de alumnado - Trabajos académicos [7391]
  

Mostrar el registro sencillo del ítem