Segmentación de imágenes laparoscópicas mediante técnicas de Deep Learning

Este trabajo fin de grado plantea diferentes arquitecturas de redes neuronales para realizar la segmentación de imágenes procedentes de laparoscopias. El objetivo es comparar las arquitecturas entre sí y conseguir que sean robustas para predecir adecuadamente todas las clases. A las arquitecturas se les harán modificaciones con el fin de mejorarlas. Una de estas modificaciones consiste en cambiar el módulo de atención de una arquitectura y sustituirlo por otro más sencillo. La intención de este cambio es comprobar si la atención es imprescindible para el buen rendimiento de los Transformers, o, por otro lado, es la profundidad de la arquitectura. Por último, se mostrarán todos los resultados obtenidos del entrenamiento de todos los modelos mediante el uso de gráficas, imágenes, y tablas. Además, se analizarán estos resultados para comprobar si los modelos cumplen con los objetivos planteados. Abstract: This final project proposes different neural network architectures to perform the segmentation of images from laparoscopies. The main objective is to compare the architectures with each other and make them robust enough to adequately predict all classes. Modifications will be made to the architectures in order to improve them. One of these modifications consists of changing the attention module of an architecture and replacing it with a simpler module. The intention of this change is to assess if the attention is essential for the satisfactory performance of the Transformers, or, on the other hand, it is the depth of the architecture. Finally, all the results obtained from the training of all the models will be illustrated using graphs, images, and tables. In addition, these results will be analyzed to check if the models meet the proposed objectives