Detección de glaucoma utilizando imágenes del fondo del ojo mediante el uso de redes neuronales convolucionales

Simple item page
dc.contributor.advisorBautista Rozo, Lola Xiomara
dc.contributor.advisorVillamizar Morales, Jorge
dc.contributor.authorCarrillo Rodríguez, Juan Sebastián
dc.contributor.evaluatorFajardo Ariza, Carlos Augusto
dc.contributor.evaluatorPertuz Arroyo, Said David
dc.date.accessioned2024-05-03T13:36:00Z
dc.date.available2024-05-03T13:36:00Z
dc.date.created2024-04-23
dc.date.issued2024-04-23
dc.description.abstractLas 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.
dc.description.abstractenglishDeficiencies in vision care can have unfortunate and irreversible consequences in people’s lives, especially with ocular diseases that are often asymptomatic and progress silently. An example of such a condition is Glaucoma, a leading cause of blindness worldwide. Factors such as the lack of clear symptoms and a shortage of specialized ophthalmologists contribute to the challenges in diagnosing and monitoring Glaucoma cases. In practice, the initial detection of Glaucoma involves a visual analysis of fundus images to identify its presence. These images are relatively easy to acquire, requiring non-intrusive procedures and can be captured using cameras operated by personnel with basic training. Furthermore, these images provide sufficient information for disease diagnosis. This project addresses this issue computationally by automating Glaucoma detection. The approach combines deep learning networks and wavelet transformation. Initially, images undergo processing with the wavelet transformation algorithm to extract features. Subsequently, these features are utilized in the deep learning algorithm to detect Glaucoma, supporting ophthalmological diagnosis. This strategy has demonstrated a sensitivity of up to 96.72% and an improvement in the convergence of the convolutional neural network.
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería de Sistemas e Informática
dc.description.googlescholarhttps://scholar.google.com/citations?user=8EyR22YAAAAJ&hl=en
dc.description.orcidhttps://orcid.org/0009-0006-7510-6979
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/42308
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programMaestría en Ingeniería de Sistemas e Informática
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAtribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectGlaucoma
dc.subjectProcesamiento digital de imágenes
dc.subjectDeep Learning
dc.subjectRedes neuronales
dc.subjectDetección de glaucoma
dc.subjectTransformada wavelet
dc.subjectInformática biomédica
dc.subject.keywordGlaucoma
dc.subject.keywordDigital Image Procesing
dc.subject.keywordDeep Learning
dc.subject.keywordConvolutional Neural Networks
dc.subject.keywordGlaucoma Detection
dc.subject.keywordWavelet Transform
dc.titleDetección de glaucoma utilizando imágenes del fondo del ojo mediante el uso de redes neuronales convolucionales
dc.title.englishGlaucoma Detection using Fundus Images of the Eye with Convolutional Deep Neural Networks
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
263.14 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
12.5 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
79.98 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Ingeniería de Sistemas e Informática