Work

Análisis comparativo de arquitecturas CNN y trazabilidad visual mediante Grad-CAM para la detección de retinopatía diabética en retinografías

Year: 2026
Type: dissertation
Abstract: El presente trabajo se centra en comparar distintas arquitecturas de redes neuronales convolucionales (CNN) multimodales, evaluando también su trazabilidad visual a través de Grad-CAM en la detección de retinopatía diabética (RD). Para ello, planteamos un diseño cuantitativo y retrospectivo basado en el dataset público mBRSET, del cual extrajimos tanto imágenes de fondo de ojo como datos clínicos. A lo largo del desarrollo metodológico, ejecutamos varias fases que abarcaron desde la depuración de datos y el control de calidad, hasta el preprocesamiento de las retinografías. Una vez integrados estos elementos, procedimos a entrenar y contrastar los modelos DenseNet121, EfficientNet-B3 y ResNet50. El análisis consideró un enfoque principal multiclase (clasificando en Sin RD, RD leve-moderada y RD severa-proliferativa), respaldado por dos esquemas binarios para aislar la progresión de la enfermedad. Dado que nos enfrentábamos a un notable desequilibrio en las clases, optamos por evaluar el desempeño mediante un conjunto robusto de métricas, destacando la exactitud balanceada, el F1-score, y el kappa ponderado cuadrático, entre otras. Al revisar los resultados, notamos que DenseNet121 se defendió bien en el entorno multiclase. Por su parte, EfficientNet-B3 sobresalió al detectar la RD leve-moderada (Modelo A), mientras que ResNet50 demostró mayor estabilidad para los casos de RD severa-proliferativa (Modelo B). Como paso de validación, la técnica Grad-CAM resultó clave para mapear las zonas de la retina que activaban las decisiones de la red, garantizando así la coherencia clínica. De este modo, el trabajo sienta un precedente metodológico útil no solo para evaluar CNNs multimodales, sino también para interpretar su comportamiento en el diagnóstico automatizado de esta patología.
Language: Spanish
Field: Medicine
Open Access status: green
OpenAlex ID: W7204504437
Cites: 37
Cited by:
Related to: 9