Etiquetado, clasificación y análisis de calidad de imagen para detección de retinopatía diabética usando modelos convolucionales profundos
Year: 2023
Type: article
Abstract: La retinopatía diabética (RD) es la principal causa de ceguera en el mundo en edad laboral. La detección-tratamiento temprano ha demostrado ser efectiva para disminuir las complicaciones visuales (y la ceguera) de los pacientes diabéticos. Los modelos profundos han mostrado recientemente que pueden ayudar con la detección temprana analizando masivamente un gran número de imágenes. Uno de los problemas con esos modelos en su aplicación en el mundo real es que la calidad de la imagen puede afectar significativamente el desempeño de los modelos haciendo inviable la evaluación automática. En este trabajo presentamos tres elementos principales i) Etiquetado de calidad: criterios, herramientas, etiquetas en imágenes públicas; ii) comparación de modelos convolucionales y iii) análisis sobre el desempeño de los modelos con degradaciones sintéticas. Los resultados muestran que se puede alcanzar una exactitud del 97 % y los análisis ayudan a entender los tipos de degradaciones que afectan más a las redes. Estos modelos y resultados serán especialmente útiles para quienes tengan interés de desplegar modelos de RD en ambientes reales.
Authors: Bermejo Guerrero, Pedro de J., Sánchez-Pérez, Abraham, Moya Sánchez, Eduardo Ulises, Cortés García, Claudio Ulises
Institution: Universidad Autónoma de Guadalajara
Language: Spanish
Topic: Retinal Imaging and Analysis
Subfield: Radiology, Nuclear Medicine and Imaging
Field: Medicine
Domain: Health Sciences
Open Access status: green
OpenAlex ID: W7113372687
