Cálculo de flujo óptico denso en imágenes de colonoscopias mediante aprendizaje no supervisado.

Gonzalo Laplaza, Iván
Martínez Montiel, José María (dir.) ; Morlana Ledesma, Javier (dir.)

Universidad de Zaragoza, EINA, 2023
Departamento de Informática e Ingeniería de Sistemas, Área de Ingeniería de Sistemas y Automática

Graduado en Ingeniería Informática

Resumen: Se ha evaluado un método de flujo óptico denso en imágenes de colonoscopia, que ha sido adaptado al dominio del colon mediante un método de entrenamiento no supervisado. Para ello, primero se ha construido un dataset para training, validation y test, a partir de las secuencias del Endomapper dataset. Una vez se disponía de un conjunto de test, se ha evaluado el modelo proporcionado por los autores, que fue entrenado en el dataset de Megadepth, que contiene imágenes de monumentos alrededor del mundo. Los resultados con este modelo son bastante positivos, a pesar de que la red no haya procesado ninguna imagen del colon previamente. El modelo ha sido entrenado en el conjunto de train creado, obteniendo una versión adaptada al dominio del colon. Además de los datos, se han realizado una serie de ajustes necesarios para mejorar el funcionamiento del modelo. El modelo entrenado es capaz de calcular el flujo entre imágenes que presentan grandes rotaciones, y también es capaz de calcular el flujo de forma robusta bajo cambios de iluminación. Las modificaciones realizadas al repositorio original están escritas en Python y están disponibles en un repositorio privado de Github.

Tipo de Trabajo Académico: Trabajo Fin de Grado