Interfaz gráfica para detección automática del grado de progresión de retinopatía diabética mediante un modelo de inteligencia artificial

La retinopatía diabética es una de las enfermedades derivadas de la diabetes mellitus que causa daños en los vasos sanguíneos que irrigan el globo ocular. Clínicamente, se establecen 5 estados de la enfermedad: i) Sin retinopatía diabética. ii) Retinopatía diabética no proliferativa leve. iii) Retinopatía diabética no proliferativa moderada. iv) Retinopatía diabética no proliferativa severa. v) Retinopatía diabética proliferativa. Cada una de las fases se asocia con síntomas y anormalidades identificables en las imágenes de fondo de ojo de color. Las imágenes de fondo de ojo se pueden agrupar y clasificar según su pronóstico clínico. Esta información puede extraerse, teniendo en cuenta que cada uno de los estados (estado de progresión de la enfermedad) de preferencia cuenten con el mismo número de imágenes, de no ser así, primero se hace el balanceo de clases y mediante redes neuronales convolucionales, se selecciona la capa de la cual se desea extraer la información. Seguidamente, se realiza una reducción de dimensionalidad en caso de ser aplicable, eliminando las variables irrelevantes; luego se cargan las variables restantes en un sistema de decisión, este predice el estado de progresión de la retinopatía diabética en la imagen seleccionada. Para proporcionar mayor confiabilidad se entrenan y validan tres modelos, uno con cada red neuronal convolucional seleccionada y se comparan sus resultados. Se realizan pruebas adicionales con diferente cantidad de imágenes cada uno de los grupos, entrenamiento validación y testeo, los cuales constituyen modelos potenciales para la clasificación, los cuales obtienen resultados por debajo del modelo propuesto en la metodología. Finalmente, se obtiene un modelo capaz de clasificar el estado de la enfermedad con un porcentaje de acierto del 74,49% para el grupo de datos de validación realizando la extracción de características con la red DarkNet19, siendo este el implementado en la interfaz gráfica para prever el estado de progresión de la retinopatía diabética.

• Autores: Suescún Mejía, Angela Dayana
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2025
• Institución: Universidad Autónoma de Bucaramanga - UNAB
• Repositorio: Repositorio UNAB
• Idioma: spa
• OAI Identifier: oai:repository.unab.edu.co:20.500.12749/30027
• Acceso en línea: http://hdl.handle.net/20.500.12749/30027
• Palabra clave: Diabetic Retinopathy; Machine learning; Deep learning; Fundus image; Convolutional neural network; Biomedical engineering; Engineering; Biophysics; Bioengineering; Medicine; Biomedical; Neural networks (Computer science); Artificial intelligence; Theory of machines; Graphical user interfaces (Computers); Ingeniería biomédica; Ingeniería; Biofísica; Bioingeniería; Medicina; Biomédica; Redes neuronales (Computadores); Inteligencia artificial; Teoría de las máquinas; Interfaces gráficas de usuario (Computadores); Fondo de ojo; Retinopatía diabética; Aprendizaje profundo; Aprendizaje automático; Red neuronal convolucional
• License: http://creativecommons.org/licenses/by-nc-nd/2.5/co/