Editar el contenido
Haz clic en el botón editar contenido para editar/añadir el contenido.

Clasificación de Retinopatía Diabética Mediante Redes Neuronales Convolucionales

Ericka Martínez López

MM22320002@acapulco.tecnm.mx

EQUIPO DE TRABAJO

Eduardo de la cruz Gámez

Jose Antonio Montero Valverde

Miriam Martínez Arroyo

Mario Hernández Hernández

RESUMEN

El estudio tiene como objetivo desarrollar un sistema de clasificación automática de la retinopatía diabética (RD) utilizando redes neuronales convolucionales (CNN) con el propósito de identificar de manera precisa y eficientes diferentes etapas de la enfermedad a partir de imágenes de retina. Se utilizaron estrategias metodológicas que incluyeron la recopilación y preprocesamiento de un conjunto de datos diverso de imágenes oftalmológicas etiquetadas con diferentes niveles de RD. Las imágenes se ajustaron en tamaño, iluminación y otros aspectos para mejorar el rendimiento del modelo. Se exploraron diversas arquitecturas de CNN como VGG, ResNet y modelos personalizados para aprender automáticamente las características relevantes de las imágenes de retina y se optimizaron los hiperparámetros durante el entrenamiento del modelo. La precisión del modelo CNN en la clasificación de las etapas de la RD se evaluó utilizando métricas como precisión, sensibilidad y especificidad, comparándolas con métodos tradicionales de clasificación de imágenes médicas. Los resultados mostraron que las CNN lograron alta precisión en la clasificación de la RD, identificando características específicas en las imágenes que podrían facilitar la detección temprana y tratamiento oportuno. La selección adecuada de arquitectura CNN y la optimización de hiperparámetros fueron críticas para obtener resultados óptimos. 

Palabras clave:   Retinopatía diabética; Redes neuronales convolucionales (CNN); Clasificación automática; Preprocesamiento.

Scroll al inicio