Diagnóstico de retinopatía diabética en imágenes digitales mediante máquinas de vectores de soporte
Fuente:
Ciencia y Mar
El diagnóstico de retinopatía diabética es un problema complejo, abordado por la medicina y la informática, mediante técnicas como el procesamiento digital de imágenes y los algoritmos de aprendizaje automático. Los métodos tradicionales de diagnóstico sugieren la adquisición de las imágenes de fond...
Saved in:
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | Spanish |
| Published: |
Universidad del Mar
2025
|
| Subjects: | |
| Online Access: | |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | El diagnóstico de retinopatía diabética es un problema complejo, abordado por la medicina y la informática, mediante técnicas como el procesamiento digital de imágenes y los algoritmos de aprendizaje automático. Los métodos tradicionales de diagnóstico sugieren la adquisición de las imágenes de fondo de ojo de pacientes a quienes se les practican métodos invasivos para resaltar las características de la retina. En ese sentido, los especialistas observan la existencia de tres patrones que sirven como base en los estudios de retinopatía diabética: la deformación de los glóbulos rojos, la aparición de exudados y los aneurismas. Sin embargo, la dificultad en la interpretación de la información de las imágenes, ha representado un reto para los especialistas de las áreas médicas y ha dificultado la producción de herramientas informáticas confiables. Este trabajo presenta una aproximación inicial para la solución del problema, basada en extracción de características en imágenes de la retina de personas sanas y personas con retinopatía diabética, las cuales son procesadas por un clasificador de máquinas de vectores de soporte con la finalidad de producir una herramienta capaz de identificar a pacientes sanos y a pacientes con el padecimiento. Estudios experimentales muestran una eficiencia del 56% en el diagnóstico y del 54% en la detección (a priori) del padecimiento, esto representa un área de oportunidad para mejorar el clasificador, así como la apertura hacia la implementación de métodos computacionales alternativos, en vías de asegurar una alta confiabilidad en la herramienta para su aplicación en el sector salud. |
|---|