En la Sesion 5 del Proyecto Asadi, el alumnado prueba su CNN entrenada sobre 10 imagenes reales que el modelo nunca vio durante el entrenamiento ni la validacion, comparando la prediccion imagen a imagen con el diagnostico real.
En la Sesion 4 del Proyecto Asadi, el alumnado usa el parametro class_weight de Keras para corregir el efecto del desequilibrio entre benignos y malignos detectado en la Sesion 3, y compara la matriz de confusion antes y despues.
En la Sesion 3 del Proyecto Asadi, el alumnado calcula la matriz de confusion de su CNN sobre benigno/maligno y descubre por que el fuerte desequilibrio entre clases (504 benignas frente a 2752 malignas) puede sesgar los resultados.
En la Sesion 2 del Proyecto Asadi, el alumnado construye y entrena su primera red neuronal convolucional con Keras para distinguir celulas sanas de blastos leucemicos en imagenes reales de microscopio.
Presentacion del Proyecto Asadi, dedicado a la investigadora Farkhondeh Asadi: de donde vienen las imagenes reales de frotis de sangre para diagnostico de leucemia infantil y como preparar TensorFlow y el dataset antes de construir la primera red neuronal convolucional.