Regresar

Desarrollo de un algoritmo para detección de la retinopatía diabética usando redes neuronales artificiales.

Abstract:

La enfermedad llamada retinopatía diabética ha generado una serie de estudios e investigaciones que buscan contrarrestar en lo mayor posible las afecciones de la retina en el ojo, siendo la inteligencia artificial una de las áreas más utilizadas para tales fines. La presente investigación tiene como objetivo elaborar un modelo o algoritmo de aprendizaje profundo que permita analizar y detectar el nivel de retinopatía diabética haciendo uso de redes neuronales convolucionales, además de realizar una comparación de dicho algoritmo con otros modelos de pbkp_redicción. El proceso del algoritmo consiste en tomar una imagen, procesarla y analizarla para posteriormente devolver un resultado que indique el nivel de retinopatía (leve, moderado, proliferativo entre otras). Para que el modelo o algoritmo analice y detecte de forma eficiente se procedió a entrenar dicho modelo con el fin de disminuir el factor de error y aumentar el nivel de precisión. Las imágenes tomadas para el entrenamiento se obtuvieron del dataset de Asia Pacific Tele Ophthalmology Society (APTOS) en la plataforma Kaggle. Se uso el 100% de las retinografias para el entrenamiento dando como resultado un porcentaje de precisión para detectar la retinopatía diabética del 86%. Por ende, para la clasificación y detección de imágenes los modelos de aprendizaje profundo son muy eficientes para esto, ya que utilizan estructuras complejas y optimizadas (redes neuronales) para el análisis, éstos examinan los datos de entrada en múltiples capas de red por lo que cada capa define entidades y patrones específicos, permitiendo detectar características como hemorragias, aneurismas, dilatación de vasos sanguíneos, las cuales son esenciales para la detección y clasificación de la retinopatía diabética.