Dissertation/ Thesis
Gathering AI solutions for building a meta-AI tool for chest X-Ray COVID- 19 diagnosis
| العنوان: | Gathering AI solutions for building a meta-AI tool for chest X-Ray COVID- 19 diagnosis |
|---|---|
| المؤلفون: | Abad Vazquez, Maider |
| المساهمون: | University/Department: Universitat Oberta de Catalunya. Escola de Doctorat |
| Thesis Advisors: | Casas-Roma, Jordi, Prados Carrasco, Ferran |
| المصدر: | TDX (Tesis Doctorals en Xarxa) |
| بيانات النشر: | Universitat Oberta de Catalunya, 2024. |
| سنة النشر: | 2024 |
| وصف مادي: | 189 p. |
| مصطلحات موضوعية: | intel·ligència artificial, inteligencia artificial, artificial intelligence, visió per computador, visión por computador, computer vision, preprocessament d'imatges, preprocesamiento de imágenes, image preprocessing, imatge mèdica, imagen médica, medical imaging, adaptació de domini, adaptación de dominio, domain adaptation, mètodes d’ensamblatge, métodos de ensamblaje, ensemble methods |
| الوصف: | La inteligencia artificial (IA) está revolucionando la imagen médica al mejorar diagnósticos, aunque enfrenta barreras significativas para su implementación. Esta tesis propone superar estos retos mediante técnicas de visión computacional que mejoran la calidad de datos y la robustez de los modelos. Se han realizado experimentos enfocados en la adaptación de dominio, esencial para que los modelos operen eficazmente en diferentes contextos. Además, se emplean Redes Generativas Antagónicas (GANs) para aumentar datos y modelos open-set para garantizar su calidad. También se han desarrollado métodos de ensamblaje que combinan decisiones de múltiples modelos, optimizando predicciones según la entropía y ajustándose dinámicamente al origen de las imágenes. Los modelos se han evaluado en conjuntos de datos públicos y privados, demostrando mejoras sustanciales en precisión diagnóstica frente a métodos actuales. Estas innovaciones posicionan estas herramientas como soluciones efectivas para su integración clínica. |
| Description (Translated): | Artificial intelligence (AI) is revolutionizing medical imaging by improving diagnostics, although it faces significant barriers to implementation. This thesis proposes overcoming these challenges through computer vision techniques that enhance data quality and model robustness. Experiments have been conducted focusing on domain adaptation, which is essential for models to operate effectively in different contexts. Additionally, Generative Adversarial Networks (GANs) are employed for data augmentation, and open-set models are utilized to ensure data quality. Ensemble methods have also been developed to combine decisions from multiple models, optimizing predictions based on entropy and dynamically adapting to the origin of the images. The models have been evaluated on public and private datasets, demonstrating substantial improvements in diagnostic accuracy compared to current methods. These innovations. La intel·ligència artificial (IA) està revolucionant la imatge mèdica en millorar els diagnòstics, tot i que s’enfronta a barreres significatives per a la seva implementació. Aquesta tesi proposa superar aquests reptes mitjançant tècniques de visió per computador que milloren la qualitat de les dades i la robustesa dels models. Els experiments es centren en l’adaptació de domini, essencial perquè els models operin de manera efectiva en diferents contexts. A més, s’utilitzen Xarxes Generatives Antagòniques (GANs) per augmentar dades, i models open-set per garantir la qualitat de les dades. També s’han desenvolupat mètodes d’ensamblatge que combinen decisions de múltiples models, optimitzant les prediccions segons l’entropia i adaptant-se dinàmicament a l’origen de les imatges. Els models s’han avaluat amb conjunts de dades públics i privats, demostrant millores substancials en la precisió diagnòstica respecte als mètodes actuals. Aquestes innovacions posicionen aquestes eines com a solucions efectives per a la integració clínica. |
| نوع الوثيقة: | Dissertation/Thesis |
| وصف الملف: | application/pdf |
| اللغة: | English |
| URL الوصول: | http://hdl.handle.net/10803/692630 |
| Rights: | L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| رقم الانضمام: | edstdx.10803.692630 |
| قاعدة البيانات: | TDX |
| ResultId |
1 |
|---|---|
| Header |
edstdx TDX edstdx.10803.692630 1458 3 Dissertation/ Thesis dissertation 1457.80712890625 |
| PLink |
https://search.ebscohost.com/login.aspx?direct=true&site=eds-live&scope=site&db=edstdx&AN=edstdx.10803.692630&custid=s6537998&authtype=sso |
| FullText |
Array
(
[Availability] => 0
)
Array ( [0] => Array ( [Url] => http://hdl.handle.net/10803/692630# [Name] => EDS - TDX [Category] => fullText [Text] => View record in TDX [MouseOverText] => View record in TDX ) ) |
| Items |
Array
(
[Name] => Title
[Label] => Title
[Group] => Ti
[Data] => Gathering AI solutions for building a meta-AI tool for chest X-Ray COVID- 19 diagnosis
)
Array ( [Name] => Author [Label] => Authors [Group] => Au [Data] => <searchLink fieldCode="AR" term="%22Abad+Vazquez%2C+Maider%22">Abad Vazquez, Maider</searchLink> ) Array ( [Name] => Author [Label] => Contributors [Group] => Au [Data] => University/Department: Universitat Oberta de Catalunya. Escola de Doctorat ) Array ( [Name] => Author [Label] => Thesis Advisors [Group] => Au [Data] => Casas-Roma, Jordi<br />Prados Carrasco, Ferran ) Array ( [Name] => TitleSource [Label] => Source [Group] => Src [Data] => TDX (Tesis Doctorals en Xarxa) ) Array ( [Name] => Publisher [Label] => Publisher Information [Group] => PubInfo [Data] => Universitat Oberta de Catalunya, 2024. ) Array ( [Name] => DatePubCY [Label] => Publication Year [Group] => Date [Data] => 2024 ) Array ( [Name] => PhysDesc [Label] => Physical Description [Group] => PhysDesc [Data] => 189 p. ) Array ( [Name] => Subject [Label] => Subject Terms [Group] => Su [Data] => <searchLink fieldCode="DE" term="%22intel·ligència+artificial%22">intel·ligència artificial</searchLink><br /><searchLink fieldCode="DE" term="%22inteligencia+artificial%22">inteligencia artificial</searchLink><br /><searchLink fieldCode="DE" term="%22artificial+intelligence%22">artificial intelligence</searchLink><br /><searchLink fieldCode="DE" term="%22visió+per+computador%22">visió per computador</searchLink><br /><searchLink fieldCode="DE" term="%22visión+por+computador%22">visión por computador</searchLink><br /><searchLink fieldCode="DE" term="%22computer+vision%22">computer vision</searchLink><br /><searchLink fieldCode="DE" term="%22preprocessament+d'imatges%22">preprocessament d'imatges</searchLink><br /><searchLink fieldCode="DE" term="%22preprocesamiento+de+imágenes%22">preprocesamiento de imágenes</searchLink><br /><searchLink fieldCode="DE" term="%22image+preprocessing%22">image preprocessing</searchLink><br /><searchLink fieldCode="DE" term="%22imatge+mèdica%22">imatge mèdica</searchLink><br /><searchLink fieldCode="DE" term="%22imagen+médica%22">imagen médica</searchLink><br /><searchLink fieldCode="DE" term="%22medical+imaging%22">medical imaging</searchLink><br /><searchLink fieldCode="DE" term="%22adaptació+de+domini%22">adaptació de domini</searchLink><br /><searchLink fieldCode="DE" term="%22adaptación+de+dominio%22">adaptación de dominio</searchLink><br /><searchLink fieldCode="DE" term="%22domain+adaptation%22">domain adaptation</searchLink><br /><searchLink fieldCode="DE" term="%22mètodes+d%27ensamblatge%22">mètodes d’ensamblatge</searchLink><br /><searchLink fieldCode="DE" term="%22métodos+de+ensamblaje%22">métodos de ensamblaje</searchLink><br /><searchLink fieldCode="DE" term="%22ensemble+methods%22">ensemble methods</searchLink> ) Array ( [Name] => Abstract [Label] => Description [Group] => Ab [Data] => La inteligencia artificial (IA) está revolucionando la imagen médica al mejorar diagnósticos, aunque enfrenta barreras significativas para su implementación. Esta tesis propone superar estos retos mediante técnicas de visión computacional que mejoran la calidad de datos y la robustez de los modelos. Se han realizado experimentos enfocados en la adaptación de dominio, esencial para que los modelos operen eficazmente en diferentes contextos. Además, se emplean Redes Generativas Antagónicas (GANs) para aumentar datos y modelos open-set para garantizar su calidad. También se han desarrollado métodos de ensamblaje que combinan decisiones de múltiples modelos, optimizando predicciones según la entropía y ajustándose dinámicamente al origen de las imágenes. Los modelos se han evaluado en conjuntos de datos públicos y privados, demostrando mejoras sustanciales en precisión diagnóstica frente a métodos actuales. Estas innovaciones posicionan estas herramientas como soluciones efectivas para su integración clínica. ) Array ( [Name] => Abstract [Label] => Description (Translated) [Group] => Ab [Data] => Artificial intelligence (AI) is revolutionizing medical imaging by improving diagnostics, although it faces significant barriers to implementation. This thesis proposes overcoming these challenges through computer vision techniques that enhance data quality and model robustness. Experiments have been conducted focusing on domain adaptation, which is essential for models to operate effectively in different contexts. Additionally, Generative Adversarial Networks (GANs) are employed for data augmentation, and open-set models are utilized to ensure data quality. Ensemble methods have also been developed to combine decisions from multiple models, optimizing predictions based on entropy and dynamically adapting to the origin of the images. The models have been evaluated on public and private datasets, demonstrating substantial improvements in diagnostic accuracy compared to current methods. These innovations.<br />La intel·ligència artificial (IA) està revolucionant la imatge mèdica en millorar els diagnòstics, tot i que s’enfronta a barreres significatives per a la seva implementació. Aquesta tesi proposa superar aquests reptes mitjançant tècniques de visió per computador que milloren la qualitat de les dades i la robustesa dels models. Els experiments es centren en l’adaptació de domini, essencial perquè els models operin de manera efectiva en diferents contexts. A més, s’utilitzen Xarxes Generatives Antagòniques (GANs) per augmentar dades, i models open-set per garantir la qualitat de les dades. També s’han desenvolupat mètodes d’ensamblatge que combinen decisions de múltiples models, optimitzant les prediccions segons l’entropia i adaptant-se dinàmicament a l’origen de les imatges. Els models s’han avaluat amb conjunts de dades públics i privats, demostrant millores substancials en la precisió diagnòstica respecte als mètodes actuals. Aquestes innovacions posicionen aquestes eines com a solucions efectives per a la integració clínica. ) Array ( [Name] => TypeDocument [Label] => Document Type [Group] => TypDoc [Data] => Dissertation/Thesis ) Array ( [Name] => Format [Label] => File Description [Group] => SrcInfo [Data] => application/pdf ) Array ( [Name] => Language [Label] => Language [Group] => Lang [Data] => English ) Array ( [Name] => URL [Label] => Access URL [Group] => URL [Data] => <link linkTarget="URL" linkTerm="http://hdl.handle.net/10803/692630" linkWindow="_blank">http://hdl.handle.net/10803/692630</link> ) Array ( [Name] => Copyright [Label] => Rights [Group] => Cpyrght [Data] => L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-nd/4.0/ ) Array ( [Name] => AN [Label] => Accession Number [Group] => ID [Data] => edstdx.10803.692630 ) |
| RecordInfo |
Array
(
[BibEntity] => Array
(
[Languages] => Array
(
[0] => Array
(
[Text] => English
)
)
[PhysicalDescription] => Array
(
[Pagination] => Array
(
[PageCount] => 189
)
)
[Subjects] => Array
(
[0] => Array
(
[SubjectFull] => intel·ligència artificial
[Type] => general
)
[1] => Array
(
[SubjectFull] => inteligencia artificial
[Type] => general
)
[2] => Array
(
[SubjectFull] => artificial intelligence
[Type] => general
)
[3] => Array
(
[SubjectFull] => visió per computador
[Type] => general
)
[4] => Array
(
[SubjectFull] => visión por computador
[Type] => general
)
[5] => Array
(
[SubjectFull] => computer vision
[Type] => general
)
[6] => Array
(
[SubjectFull] => preprocessament d'imatges
[Type] => general
)
[7] => Array
(
[SubjectFull] => preprocesamiento de imágenes
[Type] => general
)
[8] => Array
(
[SubjectFull] => image preprocessing
[Type] => general
)
[9] => Array
(
[SubjectFull] => imatge mèdica
[Type] => general
)
[10] => Array
(
[SubjectFull] => imagen médica
[Type] => general
)
[11] => Array
(
[SubjectFull] => medical imaging
[Type] => general
)
[12] => Array
(
[SubjectFull] => adaptació de domini
[Type] => general
)
[13] => Array
(
[SubjectFull] => adaptación de dominio
[Type] => general
)
[14] => Array
(
[SubjectFull] => domain adaptation
[Type] => general
)
[15] => Array
(
[SubjectFull] => mètodes d’ensamblatge
[Type] => general
)
[16] => Array
(
[SubjectFull] => métodos de ensamblaje
[Type] => general
)
[17] => Array
(
[SubjectFull] => ensemble methods
[Type] => general
)
)
[Titles] => Array
(
[0] => Array
(
[TitleFull] => Gathering AI solutions for building a meta-AI tool for chest X-Ray COVID- 19 diagnosis
[Type] => main
)
)
)
[BibRelationships] => Array
(
[HasContributorRelationships] => Array
(
[0] => Array
(
[PersonEntity] => Array
(
[Name] => Array
(
[NameFull] => Abad Vazquez, Maider
)
)
)
)
[IsPartOfRelationships] => Array
(
[0] => Array
(
[BibEntity] => Array
(
[Dates] => Array
(
[0] => Array
(
[D] => 20
[M] => 12
[Type] => published
[Y] => 2024
)
)
)
)
)
)
)
|
| IllustrationInfo |