# Clasificación de Imágenes Médicas de Rayos-X mediante Redes Neuronales Convolucionales
Este es el repositorio del Trabajo de Fin de Grado del Grado en Ingeniería Informática.
**Autor:** Miguel Toquero Barón.
## Aplicacion
Encontraremos el código de la aplicación dispuesto para su despliegue como se indica en la memoria. En ella tenemos los siguientes archivos y directorios:
- app.py: fichero que contiene el código de despliegue de la aplicación.
- modeloGrey9M.h5: es el modelo predictivo.
- predict.py: contiene un objeto para acceder al modelo predictivo.
- requirements.txt: contiene los requisitos de bibliotecas.
- static: contiene los ficheros estáticos:
- GRADCAM_img: directorio para almacenar temporalmente la imagen de Grad-CAM obtenida a partir de la predicción.
- ImagenesGuardadas: directorio para almacenar temporalmente las imágenes a diagnosticar durante la ejecución de la aplicación.
- imagenes: contiene las imagenes utilizadas en las plantillas HTML.
- HojaEstilo: proporciona la hoja de estilo (archivo .css) para las vistas.
- JavaScript: contien los ficheros .js.
- StaticHTML: contiene la vista Cargando, la cual es estática.
- templates: contiene las plantillas de las vistas HTML dinámicas (con interacciones).
- app.py: fichero que contiene el código de despliegue de la aplicación.
- modeloGrey9M.h5: es el modelo predictivo.
- predict.py: contiene un objeto para acceder al modelo predictivo.
- requirements.txt: contiene los requisitos de bibliotecas.
- static: contiene los ficheros estáticos:
- GRADCAM_img: directorio para almacenar temporalmente la imagen de Grad-CAM obtenida a partir de la predicción.
- ImagenesGuardadas: directorio para almacenar temporalmente las imágenes a diagnosticar durante la ejecución de la aplicación.
- imagenes: contiene las imagenes utilizadas en las plantillas HTML.
- HojaEstilo: proporciona la hoja de estilo (archivo .css) para las vistas.
- JavaScript: contien los ficheros .js.
- StaticHTML: contiene la vista Cargando, la cual es estática.
- templates: contiene las plantillas de las vistas HTML dinámicas (con interacciones).
##Codigo
Encontramos los ficheros o cuadernos de Python correspondientes al modelado de los datos:
- analisis_descriptivo.ipynb: proporciona gráficos descriptivos los datos.
- Gestion de directorios.ipynb: gestión de los archivos en formato original.
- Modelos_complejos.ipynb: modelo predictivo.
- grad_cam.ipynb: algoritmo Grad-CAM para la predicción de imágenes del modelo.
- covid-tfg-tfrecords.ipynb: lectura alternativa de datos.
- predict.py: objeto usado en la aplicación que engloba la funcionalidad implementada en los cuadernos.
- analisis_descriptivo.ipynb: proporciona gráficos descriptivos los datos.
- Gestion de directorios.ipynb: gestión de los archivos en formato original.
- Modelos_complejos.ipynb: modelo predictivo.
- grad_cam.ipynb: algoritmo Grad-CAM para la predicción de imágenes del modelo.
- covid-tfg-tfrecords.ipynb: lectura alternativa de datos.
- predict.py: objeto usado en la aplicación que engloba la funcionalidad implementada en los cuadernos.
##Datos
No se incluyen en este repositorio los datos utilizados para la elaboración de este proyecto por los requisitos de almacenamiento de la plataforma.
