Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Similares en SciELO
Compartir
Revista mexicana de ingeniería biomédica
versión On-line ISSN 2395-9126versión impresa ISSN 0188-9532
Resumen
SANDOVAL-CUELLAR, H. J. et al. Clasificación de Glaucoma Basada en Imágenes de Fondo de Ojo y Aprendizaje Profundo. Rev. mex. ing. bioméd [online]. 2021, vol.42, n.3, 1188. Epub 22-Mar-2022. ISSN 2395-9126. https://doi.org/10.17488/rmib.42.3.2.
El glaucoma es una enfermedad que afecta gradualmente al nervio óptico. La presión intravascular se puede controlar para prevenir la pérdida de visión, por lo que la detección temprana del glaucoma es crucial. El disco óptico ha sido un punto de referencia importante para encontrar anormalidades en la retina. El rápido desarrollo de técnicas de visión por computadora ha hecho posible el analizar las condiciones del ojo ayudando al especialista a realizar un diagnóstico utilizando una técnica no invasiva en su estadio inicial en imágenes de fondo de ojo. En este artículo, se propone una arquitectura para la detección de glaucoma utilizando aprendizaje profundo. Una red neuronal convolucional (RNC) es entrenada para extraer múltiples características, para clasificar imágenes de fondo de ojo. La exactitud, sensibilidad, y el área bajo la curva obtenidos en la base de datos ORIGA son 93.22%, 94.14% y 93.98%. El uso del algoritmo para la detección automática de la región de interés, incrementa considerablemente la exactitud de detección de glaucoma en la base de datos ORIGA.
Palabras llave : Aprendizaje profundo; Diagnóstico del glaucoma; Clasificación de imágenes; Red neuronal convolucional.