Predicción_Tumor_Cerebral

En el notebook "Prediccion_tumor_cerebral.ipynb", se encuentra el proceso de creación de un modelo de Deep Learning Convolucional con el objetivo de predecir un tumor cerebral a partir de la imagen de una resonancia magnética del cerebro.

Proceso del proyecto

• Recolección de datos (en este caso, las imágenes de cada clasificación).
• Procesamiento de datos:
  • Pasar las imágenes y su clase a un dataframe para entender mejor su distribución.
  • Verificar que no haya datos nulos.
  • Verificar cantidad de datos a analizar.
• Exploración de los datos:
  • Visualizar algunas imágenes.
  • Visualizar la cantidad de imágenes por cada clase.
• Procesamiento de datos:
  • Crear datos de validación.
  • Generar las imágenes para el modelo.
• Generar red neuronal convolucional.
• Entrenar el modelo.
• Validar el modelo.
• Probar el modelo con alguna imagen de ejemplo.

Librerías usadas

• Pandas para manipulación y análisis de datos.
• Matplotlib y Seaborn para visualización de datos y visualizar el entrenamiento del modelo.
• PIL(Python Imaging Library) para leer imágenes.
• Scikit-Learn(Sklearn) para la generación de datos de validación y validar el modelo.
• Keras y TensorFlow para la generación de imágenes a partir de un dataframe, crear la red neuronal convolucional y entrenar el modelo.

Link del Dataset usado para el modelo de machine learning

https://www.kaggle.com/datasets/masoudnickparvar/brain-tumor-mri-dataset/data