Diseño de un modelo algorítmico basado en visión computacional para la detección y clasificación de retinopatía diabética en imágenes retinográficas digitales
La retinopatía diabética es una enfermedad muy común en pacientes con diabetes. Esta enfermedad ocasiona ceguera de manera gradual debido al deterioro de la retina. Este deterioro puede desencadenar en hemorragias, aneurismas y presencia de exudados en la superficie, las cuales se manifiestan en...
| Autor Principal: | Abarca Cusimayta, Daekef Rosendo |
|---|---|
| Formato: | info:eu-repo/semantics/bachelorThesis |
| Idioma: | spa |
| Publicado: |
Pontificia Universidad Católica del Perú
2018
|
| Materias: | |
| Acceso en línea: |
http://hdl.handle.net/20.500.12404/12171 |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| Sumario: |
La retinopatía diabética es una enfermedad muy común en pacientes con diabetes.
Esta enfermedad ocasiona ceguera de manera gradual debido al deterioro de la retina.
Este deterioro puede desencadenar en hemorragias, aneurismas y presencia de
exudados en la superficie, las cuales se manifiestan en puntos vacíos de la visión del
afectado. Las características mencionadas tienen muchas propiedades visuales como
el color, forma, área de presencia que son posibles detectar por medio de imágenes
retinográficas digitales. Esta propiedad hace posible el uso de la visión computacional
para procesar la imagen y poder diagnosticar la enfermedad de acuerdo al grado de
avance de ésta según las características clínicas presentes. El presente proyecto de
tesis consiste en el desarrollo de un modelo algorítmico que logre aprovechar las
características visuales para poder detectar y clasificar la enfermedad. Las
características clínicas utilizadas son los microaneurismas, exudados y hemorragias.
Se utilizó una base de datos pública de imágenes retinográficas y un clasificador SVM.
El vector de características que se utilizó fue: área, color, número de características
prensentes. Es importante mencionar que se utilizó pre-procesamiento en la imagen
para excluir elementos como el fondo, disco óptico y las venas debido a que no aportan
significativamente al análisis de la imagen. Para el desarrollo del algoritmo se utilizó
C++ con OpenCV, la cual es una librería open source para el procesamiento de
imágenes. Como resultado final de este proyecto se logró una sensibilidad del 90.17%;
especificidad del 96.72% y precisión del 95.08%. |
|---|