Detección de biomarcadores y clasificación de retinopatías asistida por técnicas de aprendizaje profundo / [recurso electrónico] / Paul Alexander Meza Zazueta ; director, Juan Carlos García Gallegos
Tipo de material:![Texto](/opac-tmpl/lib/famfamfam/BK.png)
![Texto](/opac-tmpl/lib/famfamfam/LE.png)
Tipo de ítem | Biblioteca actual | Colección | Signatura | Copia número | Estado | Fecha de vencimiento | Código de barras |
---|---|---|---|---|---|---|---|
Tesis | Biblioteca Central Mexicali | Colección de Tesis | QA76.87 M493 2023 (Browse shelf(Abre debajo)) | 1 | Disponible | MXL123991 |
Maestría y Doctorado en Ciencias e Ingeniería
Tesis (Maestría)--Universidad Autónoma de Baja California, Facultad de Ingeniería, Mexicali, 2023.
Incluye referencias bibliográficas
La proliferación de la ceguera es una problemática de interés nacional y mundial, según datos
de la OMS, en el mundo hay al menos 2,200 millones de personas con deterioro de la visión
lo cual representa una disminución significativa en la calidad de vida de la población adulta.
Enfermedades como el Glaucoma, la Diabetes, la Hipertensión y la Degeneración Macular
Asociada a la Edad (DMAE) son afecciones que si son tratadas a tiempo pueden revertir o
reducir el grado de pérdida de visión, de lo contrario el paciente perderá la visión
gradualmente hasta llegar a la ceguera. El diagnóstico presuntivo y la atención constante son
factores clave para atender y controlar esta problemática que puede tener como consecuencia
la pérdida de la visión de un alto porcentaje de la población. En la tarea del diagnóstico y
seguimiento de estas enfermedades denominadas retinopatías es crucial llevar a cabo
exámenes de la retina, los cuales pueden denotar significativamente una evolución de alguna
patología. El presente trabajo de tesis se enfoca en tratar la problemática planteada mediante
la automatización del diagnóstico de retinopatías mediante algoritmos de Deep Learning que
son algoritmos computacionales buscan emular el juicio y análisis que puede entregar un
humano haciendo uso del razonamiento cognitivo. La metodología propuesta para esta tesis
consiste en detectar los signos de enfermedad y extraer esa información para obtener una
clasificación del grado de enfermedad de acuerdo a la literatura médica. El sistema propuesto
compuesto de una etapa de segmentación y otra de clasificación, obtuvo una exactitud de
88% y una sensibilidad de 97.29% en la detección de retinopatía diabética de la base de datos
diaretdb0.