El trabajo basado en la detección de neumonía en imagenes de pulmón mediante aprendizaje profundo se encuentra desarrollado en el documento "TFG - Marta Núñez Cascales", este tiene como prinpical objetivo el estudio en profundidad del campo de las redes neuronales convolucionales, la comprensión de su funcionamiento y el conocimiento necesario para la implementación de un modelo de red neuronal convolucional, este lo hemos llevado a cabo mediante el estudio de los diferentes notebook que podemos encontrar en el subdirectorio "Estudio previo".
Por otra parte, atendiendo al problema propuesto. El problema por considerar consta de un conjunto de imágenes médicas de pulmón con diferentes patologías. Algunas imágenes presentan la patología de neumonía y otras no. Queremos facilitar la tarea de detección de patologías, en este caso la enfermedad de neumonía al personal sanitario, dando una segunda opinión mediante el uso del aprendizaje profundo con redes neuronales convolucionales, optimizando así el tiempo de estos facultativos y agilizando el sistema.
Dado este problema, nuestro segundo objetivo es desarrollar un modelo de red neuronal convolucional que realice de forma óptima la correcta clasificación de imágenes de pulmón. Esta clasificación consta en pulmones con la patología neumonía y pulmones sanos, es decir, pulmones que no presentan la enfermedad neumonía. El trabajo desarrollado lo podemos encontrar en el subdirectorio "Reto Kaggle"
El dataset lo podemos encontrar en el siguiente enlace: https://www.kaggle.com/paultimothymooney/chest-xray-pneumonia?