Maestría en Ingeniería de Sistemas e Informática

Permanent URI for this collection

https://noesis.uis.edu.co/handle/20.500.14071/9010

Browse

Browsing Maestría en Ingeniería de Sistemas e Informática by browse.metadata.evaluator "Fajardo Ariza, Carlos Augusto"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Detección de glaucoma utilizando imágenes del fondo del ojo mediante el uso de redes neuronales convolucionales
    (Universidad Industrial de Santander, 2024-04-23) Carrillo Rodríguez, Juan Sebastián; Bautista Rozo, Lola Xiomara; Villamizar Morales, Jorge; Fajardo Ariza, Carlos Augusto; Pertuz Arroyo, Said David
    Las deficiencias en el cuidado de la visión pueden tener consecuencias lamentables e irreversibles en la vida de las personas, ya que algunas enfermedades oculares, como el Glaucoma abordado en este proyecto, son afecciones sigilosas que afectan los ojos de manera asintomática. El Glaucoma se destaca como una de las principales causas de ceguera a nivel mundial, atribuido a la falta de síntomas claros que adviertan a quienes lo padecen y a la escasez de oftalmólogos especializados para diagnosticar y dar seguimiento adecuado a los casos identificados. En la práctica, la detección de la enfermedad comienza con un análisis visual de imágenes del fondo del ojo para identificar la presencia de Glaucoma. Estas imágenes se adquieren de manera relativamente sencilla, sin requerir procedimientos invasivos ni dispositivos costosos, y las cámaras para su obtención pueden ser manejadas por personal con entrenamiento básico. Además, proporcionan información suficiente para el diagnóstico de la enfermedad. En este proyecto, se aborda esta problemática de manera computarizada mediante la detección automatizada de Glaucoma. Se emplea una estrategia que combina redes de aprendizaje profundo yla transformada wavelet. Primero, las imágenes se procesan mediante el algoritmo de transformada wavelet para extraer características, y luego estas características se utilizan en el algoritmo de aprendizaje profundo para detectar la presencia de Glaucoma, respaldando así el diagnóstico oftalmológico. Esta estrategia ha demostrado una sensibilidad de hasta 96.72 % y una mejora en la convergencia de la red neuronal convolucional.