Conclusiones

Se ha descrito el objetivo del trabajo, aplicación de redes neuronales artificiales, a un dataset preexistente, el Kvasir-Capsule**, con 3 modelos basados en redes convolucionales y en el uso de transferencia de aprendizaje.
El modelo ConvoRGB, entrenado completamente con el dataset, presenta métricas entre 80% y 90% según se consideren todas las muestras o se evaluen por métrica y posteriormente se agregen.
Los modelos ResNet y DenseNet, que hacen uso de transferencia de conocimiento, obtienen resultados que no difieren sustancialmente de los obtenidos por ConvoRGB.
El dataset está muy desbalanceado, lo que compromete la mejora de resultados con estas u otras metodologías. Además, despierta cierto recelo sobre su exactitud, lo que puede estar incidiendo en la calidad del modelado.
Las redes neuronales artificiales parecen un instrumento adecuado para la clasificación de imágenes endoscópicas como las del dataset Kvasir-Capsule, con las limitaciones reseñadas previamente.
De las pruebas realizadas no se ha evidenciado una mejora significativa en los resultados derivados del uso de redes complejas y profundas preentrenadas previamente (transferencia de aprendizaje).

Perspectivas abiertas

Uso de otras redes neuronales: en los últimos años se han desarrollado nuevas redes neuronales capaces de mejorar los resultados de ResNet y DenseNet. Se suguiere explorar si otras redes son capaces de mejorar los resultados de los modelos de este trabajo.
Desbalanceado: el dataset empleado está claramente desbalanceado. Se ha evidenciado que supone un inconveniente (a la luz de las métricas) y por tanto una limitación. Se sugiere la búsqueda de metodologías para compensar este balance, como pesos, augmentation selectiva u otra.
Revisión dataset: desde el declarado desconocimiento del campo del dataset (ciencias de la salud), sería conveniente una revisión del mismo, puesto que no tiene demasiado sentido modelar a partir de datos en los que no se confía.
Uso de splits: en trabajos previos sobre este dataset se emplearon unos splits que sería interesante estudiar y comparar en resultados con el uso de todo el dataset.