000096576 001__ 96576
000096576 005__ 20201120151211.0
000096576 037__ $$aTAZ-TFG-2020-2095
000096576 041__ $$aspa
000096576 1001_ $$aCondor Lacambra, Jorge
000096576 24200 $$aApplication of Machine Learning to classification and recognition of particles in multiphase fluids
000096576 24500 $$aAplicación de algoritmos de Machine Learning a la clasificación y reconocimiento de partículas en fluidos multifásicos
000096576 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2020
000096576 500__ $$aAnexos incluidos al final del archivo PDF de la Memoria
000096576 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/
000096576 520__ $$aLa holografía digital ha emergido como una posible herramienta útil en aplicaciones de biomedicina, aunque ciertas dificultades se interponen para que alcance todo su potencial. En particular, la tarea de localizar y clasificar partículas de diferentes tamaños presentes en fluidos, a partir de la información tridimensional que proporciona registrarlas en un holograma, es especialmente complicada cuando la densidad de partículas es elevada y/o los volúmenes analizados son de gran tamaño. Esta tarea es el primer paso de cara al desarrollo de nuevas herramientas contra el cáncer y análisis tridimensionales del riego sanguíneo. En este trabajo se propone una solución basada en machine learning para dicho problema. Se eligen los datos de entrada, generados a partir de un algoritmo sintetizador de hologramas, y los planos de salida adecuados para cumplir este objetivo. Se adapta una arquitectura basada en U-Net, aportando varias novedades. Se escoge un método de entrenamiento adecuado para el modelo, y se entrena el mismo en numerosas ocasiones hasta conseguir los hiperparámetros más óptimos. Los resultados que ofrece este modelo son muy positivos, y se especula sobre la posibilidad de extrapolarlos a casos reales. Finalmente se sugieren ciertas vías por las que continuar mejorando el algoritmo y los retos que deberá superar aún la técnica para tener una utilidad directa en el campo de la biomedicina.<br /><br />
000096576 521__ $$aGraduado en Ingeniería Electrónica y Automática
000096576 540__ $$aDerechos regulados por licencia Creative Commons
000096576 700__ $$aTorcal Milla, Francisco José$$edir.
000096576 700__ $$aLópez Torres, Ana María$$edir.
000096576 7102_ $$aUniversidad de Zaragoza$$bFísica Aplicada$$cFísica Aplicada
000096576 8560_ $$f736052@unizar.es
000096576 8564_ $$s7457580$$uhttps://zaguan.unizar.es/record/96576/files/TAZ-TFG-2020-2095.pdf$$yMemoria (spa)
000096576 909CO $$ooai:zaguan.unizar.es:96576$$pdriver$$ptrabajos-fin-grado
000096576 950__ $$a
000096576 951__ $$adeposita:2020-11-20
000096576 980__ $$aTAZ$$bTFG$$cEINA
000096576 999__ $$a20200625194304.CREATION_DATE