Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/3362
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorSaul Tovar Arriagaes_ES
dc.creatorHiram José Sandoval Cuellares_ES
dc.date2021-11-03-
dc.date.accessioned2022-01-27T13:56:18Z-
dc.date.available2022-01-27T13:56:18Z-
dc.date.issued2021-11-03-
dc.identifier.urihttp://ri-ng.uaq.mx/handle/123456789/3362-
dc.descriptionEl glaucoma es una enfermedad que afecta la visión de quienes lo padecen, provocando una pérdida irreversible de este sentido. La relación copa disco es una de las características más importantes y utilizadas para diagnosticar este padecimiento. Las imágenes del fondo de ojo son ampliamente utilizadas por los oftalmólogos para evaluar la retina y detectar el glaucoma, que es, según estudios de la Organización Mundial de la Salud (OMS), la segunda causa de ceguera en el mundo. En esta tesis se estudian algoritmos de Redes Neuronales Convolucionales para la evaluación del glaucoma mediante imágenes de fondo de ojo. Primero se propone un método basado en una clasificación a nivel imagen, es decir, clasifica si un paciente tiene glaucoma o no. Este método consiste en proponer una arquitectura nueva para realizar dicha tarea. Esta red consta de 15 capas para lograr una mejor extracción de las características buscadas. Aunado a eso, se obtiene un mapa de características de cada imagen, esto con el fin de poder visualizar en que parte se está centrando la red para realizar una clasificación, ayudando a comprobar que tan buena es la arquitectura. Un paso importante para lograr un buen desempeño en cualquier tipo de red es el preprocesamiento de las imágenes, dentro de este paso esta la ubicación del área de interés. Se propone una nueva técnica para localizar el disco óptico, y de esa manera, recortar la imagen para lograr disminuir el tiempo de procesamiento, además de enfocarnos únicamente en el área de interés. La base de datos utilizada fue ORIGA, que contiene 650 imágenes anotadas por especialistas. De esta base de datos se realizó una segmentación manual en conjunto con el Instituto Mexicano de Oftalmología, de 100 imágenes de disco y 50 de copa, para poder entrenar la segunda red propuesta. En la segunda arquitectura se propone una variación en la alimentación de la red que se encarga de realizar una clasificación a nivel píxel. Este cambio consiste en convertir las imágenes a coordenadas polares, logrando disminuir el desbalance de clases, y aumentando el desempeño de la red. La arquitectura utilizada fue la ya conocida U-Net y se le agregaron bloques residuales. Este algoritmo se encarga de segmentar el disco y la copa óptica."es_ES
dc.formatAdobe PDFes_ES
dc.language.isospaes_ES
dc.relation.requiresNoes_ES
dc.rightsAcceso Abiertoes_ES
dc.subjectGlaucomaes_ES
dc.subjectRedes Neuronales Convolucionaleses_ES
dc.subjectDisco ópticoes_ES
dc.subjectCopa ópticaes_ES
dc.subjectClasificación de imágeneses_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titleExtracción y clasificación automática de características de glaucoma en imágenes de retinaes_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidClave CV CONACyTes_ES
dc.contributor.tidcurpes_ES
dc.creator.identificador1002595es_ES
dc.contributor.identificadorTOAS790720HQTVRL08es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameMaestría en Ciencias en Inteligencia Artificiales_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
Aparece en: Maestría en Ciencias en Inteligencia Artificial

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI006403.pdf2.26 MBAdobe PDFPortada
Visualizar/Abrir
Mostrar el registro sencillo del ítem


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