Título :	Metodología para la detección oportuna de retinopatía hipertensiva mediante la medición automática del calibre de los vasos retinianos
Autor(es):	María Guadalupe Hernández Ramírez
Palabras clave:	Redes Neuronales Convoluciones Segmentación de imágenes Retinopatía hipertensiva
Área:	INGENIERÍA Y TECNOLOGÍA
Fecha de publicación :	2-ago-2021
Facultad:	Facultad de Ingeniería
Programa académico:	Maestría en Ciencias en Inteligencia Artificial
Resumen:	"La retina es el único órgano que permite el estudio de los cambios en los vasos sanguíneos de forma no invasiva. La retinopatía hipertensiva se puede observar en imágenes de fondo de ojo, en sus diferentes grados, siendo el grado uno el más difícil de detectar. Dado que los cambios en la retina son mínimos, la medición del estrechamiento de las arterias, identificado con un cambio en la relación arteria-vena (AVR), puede ser un desafío. En los últimos años, las redes neuronales profundas han obtenido los mejores resultados en la clasificación y segmentación de imágenes médicas. En este trabajo se propone una U-Net modificada, con bloques ConvLSTM bidireccionales para la clasificación de arterias y venas. En lugar de concatenar bloques U-Net, se utilizan ConvLSTM bidireccionales para combinar los mapas de características extraídos, lo que ayuda a mantener las características esenciales que de otro modo se perderían. Evaluamos el modelo propuesto utilizando la base de datos DRIVE, logrando un desempeño competente en comparación con los métodos existentes. Para experimentación adicional, se diseñó una base de datos con 60 imágenes de fondo de ojo, 30 imágenes de personas sanas y 30 imágenes de personas hipertensas, donde cada vaso se etiquetó manualmente como vena o arteria. Para calcular el AVR, propusimos un método que inicialmente localiza el disco óptico de la imagen y un algoritmo para medir el calibre de cada vaso. Fue probado con la base de datos INSPIRE, donde las medidas de AVR superan las encontradas en la literatura. Los resultados finales de AVR nos muestran una media de un AVR de 0,55 en personas hipertensas y una media de 0,65 en personas sanas."
URI:	http://ri-ng.uaq.mx/handle/123456789/2880
Aparece en:	Maestría en Ciencias en Inteligencia Artificial

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