Buscar


Mostrar el registro sencillo del ítem

dc.rights.license http://creativecommons.org/licenses/by-nc-nd/4.0 es_ES
dc.contributor Saul Tovar Arriaga es_ES
dc.creator Hiram José Sandoval Cuellar es_ES
dc.date 2021-11-03
dc.date.accessioned 2022-01-27T13:56:18Z
dc.date.available 2022-01-27T13:56:18Z
dc.date.issued 2021-11-03
dc.identifier.uri http://ri-ng.uaq.mx/handle/123456789/3362
dc.description El 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.format Adobe PDF es_ES
dc.language.iso spa es_ES
dc.relation.requires No es_ES
dc.rights Acceso Abierto es_ES
dc.subject Glaucoma es_ES
dc.subject Redes Neuronales Convolucionales es_ES
dc.subject Disco óptico es_ES
dc.subject Copa óptica es_ES
dc.subject Clasificación de imágenes es_ES
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es_ES
dc.title Extracción y clasificación automática de características de glaucoma en imágenes de retina es_ES
dc.type Tesis de maestría es_ES
dc.creator.tid Clave CV CONACyT es_ES
dc.contributor.tid curp es_ES
dc.creator.identificador 1002595 es_ES
dc.contributor.identificador TOAS790720HQTVRL08 es_ES
dc.contributor.role Director es_ES
dc.degree.name Maestría en Ciencias en Inteligencia Artificial es_ES
dc.degree.department Facultad de Ingeniería es_ES
dc.degree.level Maestría es_ES


Ficheros en el ítem

Thumbnail
Nombre: RI006403.pdf
Tamaño: 2.204Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem