1. Repositorio Institucional UAQ
2. Tesis
3. Facultad de Ingeniería
4. Doctorado
5. Doctorado en Ingeniería

Título:	Detección de enfermedades crónicas en imágenes de retina a través de técnicas de aprendizaje profundo.
Autor(es):	Gendry Alfonso Francia
Palabras clave:	Ingeniería y Tecnología Ciencias Tecnológicas Tecnología de los Ordenadores
Fecha de publicación :	9-ene-2026
Editorial :	Universidad Autónoma de Querétaro
Facultad:	Facultad de Ingeniería
Programa académico:	Doctorado en Ingeniería
Resumen:	El Deep Learning (DL) se ha utilizado ampliamente para detectar anomalías en imágenes retinianas. Por lo general, esta tarea se ha centrado en un dominio específico, como las enfermedades relacionadas con el glaucoma o la retinopatía diabética, pero no ambas. En este estudio, proponemos identificar lesiones asociadas a ambas enfermedades utilizando un único modelo base, evitando el uso de múltiples modelos de DL. Se comenzó el estudio con un análisis comparativo del rendimiento de varios modelos de detección de objetos en la tarea de segmentar el disco y la copa ópticos. Los resultados arrojaron resultados excelentes y se seleccionó el modelo Cascade R-CNN. La tarea se complica por la necesidad de anotaciones en conjuntos de datos relacionados con daños en otro dominio para el que fue creado. Además, el tamaño y la forma de los objetos y el sesgo hacia las clases predominantes son evidentes. Varias técnicas caracterizan este trabajo, incluido el etiquetado suave para predicciones de máscaras, la distancia de Wasserstein normalizada para manejar objetos pequeños y experimentos en el muestreo de imágenes durante el entrenamiento con pérdida de entropía cruzada combinada con Online Hard Negative Mining o pérdida asimétrica. Para el refinamiento de resultados, el cluster-weighted con Distance IoU mejoró las predicciones finales. Basado en la precisión media promedio (mAP), una métrica estándar en modelos de detección de objetos, el resultado informado fue de 0.46. Cuatro conjuntos de datos públicos fueron empleados, REFUGE, ORIGA, G1020 y DDR. Se proporcionó un análisis de error detallado por categoría. En conclusión, se demostró la viabilidad de usar un solo modelo, mientras que las técnicas empleadas ayudaron a aumentar las métricas relacionadas con mAP. Nuestra investigación proporciona información novedosa sobre el uso de fotografías de retina para la predicción de biomarcadores sistémicos asociados con múltiples enfermedades.
URI:	https://ri-ng.uaq.mx/handle/123456789/9918
Aparece en:	Doctorado en Ingeniería

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.