Diagnóstico asistido por computadora para detección de retinopatía diabética

La retinopatía diabética es una enfermedad que parte del agravamiento de la diabetes y se lo considera como la causa principal de ceguera en la población. Dicha enfermedad es detectada cuando sus complicaciones han avanzado a un nivel donde el tratamiento no asegura una mejora significativa, por lo...

Ful tanımlama

Kaydedildi:
Detaylı Bibliyografya
Yazar: González Hernández, Andrés Ricardo (author)
Materyal Türü: bachelorThesis
Dil:spa
Baskı/Yayın Bilgisi: 2017
Konular:
Online Erişim:http://repositorio.espe.edu.ec/handle/21000/12512
Etiketler: Etiketle
Etiket eklenmemiş, İlk siz ekleyin!
Diğer Bilgiler
Özet:La retinopatía diabética es una enfermedad que parte del agravamiento de la diabetes y se lo considera como la causa principal de ceguera en la población. Dicha enfermedad es detectada cuando sus complicaciones han avanzado a un nivel donde el tratamiento no asegura una mejora significativa, por lo que un diagnóstico oportuno tiene un gran impacto en su prevención. Una solución es plantear un sistema médico donde es sumamente importante buscar métodos precisos que ayuden a diagnosticar de una forma correcta y que sirva como respaldo al especialista en un diagnóstico final. Con dicho enfoque, en el presente trabajo se desarrolló un sistema de diagnóstico asistido por computadora usando áreas de investigación de interés científico y médico, el procesamiento digital de imágenes y el aprendizaje de máquina. Se partió de una base de datos previamente diagnosticada por un centro especialista, en las cuales se segmentó y cuantificó algunas patologías en las que el experto se basa para su diagnóstico, donde se demostró que el número de microaneurismas son la característica más significativa para una óptima clasificación. Para la detección de la presencia o no de retinopatía diabética no proliferativa grave se usaron dos algoritmos de clasificación supervisada, SVM y árbol de decisión. Los resultados se evaluaron en términos de exactitud, sensibilidad, especificidad y capacidad predictiva, obteniendo porcentajes de 92.36% en exactitud y de 94.63% en sensibilidad.