Modelo de inteligencia artificial para clasificación y segmentación de atrofia peripapilar Alfa y Beta en imágenes de fondo de ojo

Javier Anguiano Almejo

Buscar

dc.rights.license	http://creativecommons.org/licenses/by-nc-nd/4.0	es_ES
dc.contributor	Gendry Alfonso Francia	es_ES
dc.contributor	Saúl Tovar Arriaga	es_ES
dc.contributor	Jesús Carlos Pedraza Ortega	es_ES
dc.contributor	Marco Antonio Aceves	es_ES
dc.contributor	Mariana Badillo Fernández	es_ES
dc.creator	Javier Anguiano Almejo	es_ES
dc.date	2023-12-04
dc.date.accessioned	2024-01-30T16:31:58Z
dc.date.available	2024-01-30T16:31:58Z
dc.date.issued	2023-12-04
dc.identifier.uri	https://ri-ng.uaq.mx/handle/123456789/9855
dc.description	El Glaucoma es una patología oftálmica que requiere la identificación temprana para garantizar tratamientos adecuados y evitar la pérdida de visión. Un indicador clave para su detección es la presencia de atrofia peripapilar. En este trabajo Maestría, proponemos un modelo de inteligencia artificial para la clasificación y segmentación de atrofia peripapilar, enfocándonos especialmente en sus subclases: Atrofia Alfa y Beta. Esta propuesta busca marcar un precedente en la construcción de sistemas de asistencia para el diagnóstico más precisos y robustos. La principal contribución de este estudio es el desarrollo de la primera base de datos para la segmentación de estas subclases de atrofia peripapilar, validada por especialistas en glaucoma del Instituto Mexicano de Oftalmología. Anteriores investigaciones abordaban la segmentación y clasificación de la atrofia de forma binaria, omitiendo la diferenciación crucial entre Alfa y Beta. Además, hemos comparado metodologías de segmentación semántica y de instancias. Después de un análisis detallado de modelos de segmentación semántica como FCN, SegNet y Unet con variaciones en sus Backbones, y contrastándolos con el modelo MaskRCNN (que integra la segmentación de instancias), determinamos que los modelos de detección de objetos ofrecen una mejor precisión para nuestro objetivo. A esto le sumamos un estudio de ablación, que nos permitió determinar la combinación óptima de hiperparámetros para maximizar el rendimiento del modelo. La segmentación de atrofia peripapilar presenta desafíos inherentes, como su estructura irregular y difusa, el desequilibrio entre clases y el tamaño reducido de la Atrofia Alfa. Aunque existen modelos con alto rendimiento en el área, ninguno diferencia entre las atrofias peripapilares Alfa y Beta, resaltando la originalidad y relevancia de nuestro trabajo. Con nuestro enfoque y resultados, no solo destacamos en el ámbito de la oftalmología e inteligencia artificial, sino que también establecemos un sólido punto de partida para investigaciones futuras en esta dirección específica.	es_ES
dc.format	Adobe PDF	es_ES
dc.language.iso	spa	es_ES
dc.relation.requires	Si	es_ES
dc.rights	Acceso Abierto	es_ES
dc.subject	Ingeniería y Tecnología	es_ES
dc.subject	Ciencias Tecnológicas	es_ES
dc.subject	Ciencia de los Ordenadores	es_ES
dc.title	Modelo de inteligencia artificial para clasificación y segmentación de atrofia peripapilar Alfa y Beta en imágenes de fondo de ojo	es_ES
dc.type	Tesis de maestría	es_ES
dc.creator.tid	ORCID	es_ES
dc.contributor.tid	CVU	es_ES
dc.creator.identificador	https://orcid.org/0000-0002-1289-0050	es_ES
dc.contributor.identificador	897838	es_ES
dc.contributor.role	Director	es_ES
dc.contributor.role	Secretario	es_ES
dc.contributor.role	Vocal	es_ES
dc.contributor.role	Suplente	es_ES
dc.contributor.role	Suplente	es_ES
dc.degree.name	Maestria en Ciencias en Inteligencia Artificial	es_ES
dc.degree.department	Facultad de Ingeniería	es_ES
dc.degree.level	Maestría	es_ES