- -

Diseño, desarrollo y evaluación de algoritmos basados en aprendizaje profundo para automatización de experimentos Lifespan con C. elegans

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

  • Estadisticas de Uso

Diseño, desarrollo y evaluación de algoritmos basados en aprendizaje profundo para automatización de experimentos Lifespan con C. elegans

Show simple item record

Files in this item

dc.contributor.advisor Sánchez Salmerón, Antonio José es_ES
dc.contributor.author García Garví, Antonio es_ES
dc.date.accessioned 2020-10-15T10:05:00Z
dc.date.available 2020-10-15T10:05:00Z
dc.date.created 2020-09-25
dc.date.issued 2020-10-15 es_ES
dc.identifier.uri http://hdl.handle.net/10251/151938
dc.description.abstract [ES] En los últimos años, los nematodos C. elegans cultivados en placas de Petri se han utilizado en muchas investigaciones relacionadas con el envejecimiento. El desarrollo de nuevas herramientas para automatizar los experimentos de lifespan permite realizar más ensayos en menos tiempo y evitar errores humanos, obteniendo resultados más precisos. El objetivo de este TFM consiste en diseñar y desarrollar métodos para abordar este problema utilizando técnicas de aprendizaje profundo. Posteriormente, se evaluarán los resultados comparando los resultados con los obtenidos empleando técnicas tradicionales de visión por computador. Inicialmente, el trabajo se centrará en la creación y edición de forma supervisada de un conjunto de imágenes bien etiquetadas. Posteriormente se diseñarán distintas arquitecturas de redes neuronales y se optimizará cada una de ellas sobre el espacio de hiperparámetros utilizando Python y Pytorch. Finalmente, se evaluarán las distintas arquitecturas propuestas, utilizando como criterios de optimización tanto las tasas de aciertos como los costes temporales de computación. es_ES
dc.description.abstract [EN] In recent years, C. elegans nematodes grown in Petri dishes have been used in many investigations related to aging. The development of new tools to automate lifespan experiments allows more tests to be carried out in less time and to avoid human error, obtaining more accurate results. The objective of this TFM is to design and develop methods to address this problem using deep learning techniques. Subsequently, the results will be evaluated by comparing the results with those obtained using traditional computer vision techniques. Initially, work will focus on supervised creation and editing of a set of well-labeled images. Subsequently, different neural network architectures will be designed and each one will be optimized on the hyperparameter space using Python and Pytorch. Finally, the different proposed architectures will be evaluated, using both the accuracies and the temporary computing costs as optimization criteria. es_ES
dc.description.abstract [CA] En els últims anys, els nematodes C. elegans conreats en plaques de Petri s'han utilitzat en moltes recerques relacionades amb l'envelliment. El desenvolupament de noves eines per a automatitzar els experiments de lifespan permet realitzar més assajos en menys temps i evitar errors humans, obtenint resultats més precisos. L'objectiu d'aquest TFM consisteix a dissenyar i desenvolupar mètodes per a abordar aquest problema utilitzant tècniques d'aprenentatge profund. Posteriorment, s'avaluaran els resultats comparant els resultats amb els obtinguts emprant tècniques tradicionals de visió per computador. Inicialment, el treball se centrarà en la creació i edició de forma supervisada d'un conjunt d'imatges ben etiquetades. Posteriorment es dissenyaran diferents arquitectures de xarxes neuronals i s'optimitzarà cadascuna d'elles sobre l'espai de hiperparámetros utilitzant Python i Pytorch. Finalment, s'avaluaran les diferents arquitectures proposades, utilitzant com a criteris d'optimització tant les taxes d'encerts com els costos temporals de computació. es_ES
dc.format.extent 76 es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.rights Reconocimiento - No comercial (by-nc) es_ES
dc.subject Lifespan es_ES
dc.subject Edición y creación de conjunto de datos es_ES
dc.subject Aprendizaje profundo es_ES
dc.subject Redes neuronales convolucionales es_ES
dc.subject Dataset creation and editing es_ES
dc.subject Deep learning es_ES
dc.subject Convolutional neural networks es_ES
dc.subject Edició i creació de conjunt de dades es_ES
dc.subject Aprenentatge profund es_ES
dc.subject Xarxes neuronals convolucionals es_ES
dc.subject.classification INGENIERIA DE SISTEMAS Y AUTOMATICA es_ES
dc.subject.other Máster Universitario en Automática e Informática Industrial-Màster Universitari en Automàtica i Informàtica Industrial es_ES
dc.title Diseño, desarrollo y evaluación de algoritmos basados en aprendizaje profundo para automatización de experimentos Lifespan con C. elegans es_ES
dc.type Tesis de máster es_ES
dc.rights.accessRights Abierto es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Ingeniería de Sistemas y Automática - Departament d'Enginyeria de Sistemes i Automàtica es_ES
dc.description.bibliographicCitation García Garví, A. (2020). Diseño, desarrollo y evaluación de algoritmos basados en aprendizaje profundo para automatización de experimentos Lifespan con C. elegans. http://hdl.handle.net/10251/151938 es_ES
dc.description.accrualMethod TFGM es_ES
dc.relation.pasarela TFGM\128480 es_ES


This item appears in the following Collection(s)

Show simple item record