Título :	Modelo de clasificación de señales de electrorretinograma para diagnóstico de retinopatía diabética temprana
Autor(es):	Carlos Oliver Hernández Montejano
Palabras clave:	Ingeniería y Tecnología Ciencias Tecnológicas Tecnología Médica
Fecha de publicación :	29-nov-2022
Editorial :	Ingeniería
Facultad:	Facultad de Ingeniería
Programa académico:	Maestría en Ciencias en Inteligencia Artificial
Resumen:	La RD es una enfermedad causada por la diabetes que en la actualidad se diagnóstica principalmente a través del estudio de imágenes de fondo de ojo y análisis clínicos, sin embargo estas técnicas de diagnóstico categorizan la gravedad de la RD con base en los daños que existen en la retina. Se ha demostrado que técnicas como las señales de ERG permiten la identificación de la presencia de RD incluso antes de que los daños en la retina sean visibles. El estudio en los patrones de estas señales de manera espontánea puede ser la clave para la detección temprana de la RD y detener su progreso antes de que los daños en la retina sean graves. En este trabajo se implementó la comparativa de tres modelos de CNN para la clasificación de imágenes de escalograma obtenidos a partir de señales de ffERG espontáneos en dos categorías RD y NoRD. Los modelos implementados fueron los siguientes: Modificación a CNN Alexnet, ResNet implementada con AutoML (HyperResNet) y modelo de CNN paralelo a nueve capas. Las topologías presentaron exactitudes de 86.7 %, 79 % y 78 % respectivamente en la identificación de lo que es RD y NoRD.
URI:	https://ri-ng.uaq.mx/handle/123456789/8434
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.