Estructuración de un método para la detección de glaucoma mediante reconocimiento de imágenes usando inteligencia artificial
En este trabajo se muestra la forma en que los oftalmólogos diagnostican si un paciente presenta o no glaucoma utilizando equipos biomédicos no invasivos que brindan información útil al respecto. Se hizo una lista de las ventajas y desventajas que ofrecen cada una de las técnicas oftalmológicas enco...
- Autores:
- Tipo de recurso:
- Fecha de publicación:
- 2019
- Institución:
- Universidad del Rosario
- Repositorio:
- Repositorio EdocUR - U. Rosario
- Idioma:
- spa
- OAI Identifier:
- oai:repository.urosario.edu.co:10336/21008
- Acceso en línea:
- https://doi.org/10.48713/10336_21008
https://repository.urosario.edu.co/handle/10336/21008
- Palabra clave:
- Glaucoma
Inteligencia artificial
Imágenes tomográficas
Otras ramas de la ingeniería
Sistemas
Ciencias médicas, Medicina
Glaucoma
Artificial intelligence
Tomographic images
Glaucoma - Diagnostico por imágenes
Inteligencia artificial para el diagnostico medico
Tecnología medica
- Rights
- License
- Atribución-NoComercial-CompartirIgual 2.5 Colombia
| id |
EDOCUR2_2a7b32ffcbf0a453e4d32544d9f83b2e |
|---|---|
| oai_identifier_str |
oai:repository.urosario.edu.co:10336/21008 |
| network_acronym_str |
EDOCUR2 |
| network_name_str |
Repositorio EdocUR - U. Rosario |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Estructuración de un método para la detección de glaucoma mediante reconocimiento de imágenes usando inteligencia artificial |
| dc.title.TranslatedTitle.eng.fl_str_mv |
Structuring a method for detecting glaucoma by image recognition using artificial intelligence |
| title |
Estructuración de un método para la detección de glaucoma mediante reconocimiento de imágenes usando inteligencia artificial |
| spellingShingle |
Estructuración de un método para la detección de glaucoma mediante reconocimiento de imágenes usando inteligencia artificial Glaucoma Inteligencia artificial Imágenes tomográficas Otras ramas de la ingeniería Sistemas Ciencias médicas, Medicina Glaucoma Artificial intelligence Tomographic images Glaucoma - Diagnostico por imágenes Inteligencia artificial para el diagnostico medico Tecnología medica |
| title_short |
Estructuración de un método para la detección de glaucoma mediante reconocimiento de imágenes usando inteligencia artificial |
| title_full |
Estructuración de un método para la detección de glaucoma mediante reconocimiento de imágenes usando inteligencia artificial |
| title_fullStr |
Estructuración de un método para la detección de glaucoma mediante reconocimiento de imágenes usando inteligencia artificial |
| title_full_unstemmed |
Estructuración de un método para la detección de glaucoma mediante reconocimiento de imágenes usando inteligencia artificial |
| title_sort |
Estructuración de un método para la detección de glaucoma mediante reconocimiento de imágenes usando inteligencia artificial |
| dc.contributor.advisor.none.fl_str_mv |
Sarmiento, Jefferson |
| dc.subject.spa.fl_str_mv |
Glaucoma Inteligencia artificial Imágenes tomográficas |
| topic |
Glaucoma Inteligencia artificial Imágenes tomográficas Otras ramas de la ingeniería Sistemas Ciencias médicas, Medicina Glaucoma Artificial intelligence Tomographic images Glaucoma - Diagnostico por imágenes Inteligencia artificial para el diagnostico medico Tecnología medica |
| dc.subject.ddc.spa.fl_str_mv |
Otras ramas de la ingeniería Sistemas Ciencias médicas, Medicina |
| dc.subject.keyword.spa.fl_str_mv |
Glaucoma Artificial intelligence Tomographic images |
| dc.subject.lemb.spa.fl_str_mv |
Glaucoma - Diagnostico por imágenes Inteligencia artificial para el diagnostico medico Tecnología medica |
| description |
En este trabajo se muestra la forma en que los oftalmólogos diagnostican si un paciente presenta o no glaucoma utilizando equipos biomédicos no invasivos que brindan información útil al respecto. Se hizo una lista de las ventajas y desventajas que ofrecen cada una de las técnicas oftalmológicas encontradas, donde finalmente, se escogió la toma de fotografías de fondo de ojo como el examen con mayor cantidad de virtudes de acuerdo con el objetivo de este proyecto. |
| publishDate |
2019 |
| dc.date.created.none.fl_str_mv |
2019 |
| dc.date.accessioned.none.fl_str_mv |
2020-03-16T15:28:04Z |
| dc.date.available.none.fl_str_mv |
2020-03-16T15:28:04Z |
| dc.type.eng.fl_str_mv |
bachelorThesis |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.document.spa.fl_str_mv |
Análisis de caso |
| dc.type.spa.spa.fl_str_mv |
Trabajo de grado |
| dc.identifier.doi.none.fl_str_mv |
https://doi.org/10.48713/10336_21008 |
| dc.identifier.uri.none.fl_str_mv |
https://repository.urosario.edu.co/handle/10336/21008 |
| url |
https://doi.org/10.48713/10336_21008 https://repository.urosario.edu.co/handle/10336/21008 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.spa.fl_str_mv |
Atribución-NoComercial-CompartirIgual 2.5 Colombia |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.acceso.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc-sa/2.5/co/ |
| rights_invalid_str_mv |
Atribución-NoComercial-CompartirIgual 2.5 Colombia Abierto (Texto Completo) http://creativecommons.org/licenses/by-nc-sa/2.5/co/ http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad del Rosario |
| dc.publisher.department.spa.fl_str_mv |
Escuela de Medicina y Ciencias de la Salud |
| dc.publisher.program.spa.fl_str_mv |
Ingeniería Biomédica |
| institution |
Universidad del Rosario |
| dc.source.bibliographicCitation.spa.fl_str_mv |
IBM - Archives - History of IBM - United States, Ibm.com, 2019. [Online]. Available: https://www.ibm.com/ibm/history/history/history_intro.html. [Accessed: 16- Oct- 2019]. Healthcare chronology, Ibm.com, 2019. [Online]. Available: https://www.ibm.com/ibm/history/exhibits/healthcare/healthcare_ch1.html. [Accessed: 16- Oct- 2019]. N. Congdon, B. O’Colmain, C. Klaver, “Causes and prevalence of visual impairment among adults in the United States”, WHO World Health Organization, 2004. E. Perez and L. Leon, "La fotografía de fondo de ojo como método de diagnóstico en el glaucoma", Medicentro Electrónica, Santa Clara, vol. 21, pp. 3- 10, 2017. J. Rios Zuluaga, L. Bettin Torres, S. Naranjo Salazar, J. Suárez Garavito and C. De Vivero Arciniegas, "Pautas para el examen oftalmológico. Enfoque para el estudiante de medicina y el médico general", Universitas Médica, vol. 58, no. 2, 2017. Balle, "¿QUÉ ES Y CÓMO SE TRATA EL GLAUCOMA?", Excimer Láser - Oftalmología láser en Palma de Mallorca, 2018. [Online]. Available: https://excimerlaserpalma.com/que-es-y-como-se-trata-el-glaucoma-palma-mallorca/. [Accessed: 22- Oct- 2019]. A. Espinosa Castañeda, V. Peña Martínez and M. Carrizosa, "Descripción y análisis de las tecnologías diagnósticas OCT, HRT y GDx en glaucoma: un enfoque para la optometría clínica", Ciencia & Tecnología para la Salud Visual y Ocular, vol. 12, no. 2, p. 87, 2015. K. Townsend et al., "Heidelberg Retina Tomograph 3 machine learning classifiers for glaucoma detection", British Journal of Ophthalmology, vol. 92, no. 6, pp. 814-818, 2008. J. Maslin, K. Mansouri and S. Dorairaj, "HRT for the Diagnosis and Detection of Glaucoma Progression", The Open Ophthalmology Journal, vol. 9, no. 1, pp. 58-67, 2015. Centro de Diagnósticos Oftalmológicos | Tomografía Hrt de Glaucoma, Cdosa.cl, 2019. [Online]. Available: http://www.cdosa.cl/w/examenes/hrt-topografia-computarizada-de-papila/. [Accessed: 2- Nov- 2019]. C. García, F. Lugo, M. León, S. Ligero, J. Ruiz and J. Moreno, “Tomografía de Coherencia Óptica (OCT) Funcionamiento y utilidad en patología macular (I)”. Gaceta Óptica, pp. 12-14. F. Gutiérrez Ruiz, "EVALUACIÓN DE LA FUNCIÓN VISUAL EN LOS PACIENTES CON FIBROMIALGIA - PDF", Docplayer.es, 2019. [Online]. Available: https://docplayer.es/43537716-Evaluacion-de-la-funcion-visual-en-los-pacientes-con-fibromialgia.html, [Accessed: 2- Nov-2019]. A. Fernández, “Técnica de exploración del fondo de ojo”. Zaragoza: Universidad de Zaragoza, pp. 29-33. «Optometría Ilarduya,» Óptica Ilarte, 2018. [En línea]. Available: http://optometriailarduya.com/retinografo-fondo-de-ojo/. [Último acceso: 2 11 2019]. L. Herguedas, “Guía práctica clínica para la realización de una retinografía”. Valladolid, Universidad de Valladolid, 2018, pp. 7-8. Gupta, N., Aung, T., Congdon, N., Lerner, F., Olawoye, S., Resnikoff, S., Wang, N. and Wormald, R., Guías del Consejo Internacional de Oftalmología (ICO) para el Glaucoma, 2015. Instituto Gabriel Simón, (2019). GLAUCOMA. [online] Available at: https://www.iogs.es/glaucoma-5/ [Accessed 2 Nov. 2019]. Betancourt, G. LAS MÁQUINAS DE SOPORTE VECTORIAL (SVMs), vol. 1 no. 27, abril 2005. Numerentur.org. (2018). Máquina de Soporte Vectorial SVM. [online] Available at: http://numerentur.org/svm/ [Accessed 2 Nov. 2019]. D. Polo, L. Pedraza, E. Martinez, “Comparison of Neural Network applied to prediction of times Series”, Prospect, vol. 13, no. 02, pp. 88-95, 2015. Muñoz, E., Cedeño, F., Ruiz, S. and Cruz, J. “Aplicación de redes neuronales para predecir el éxito de la compra de deuda a una entidad financiera”. Revista Espacios, vol. 40, no. 20, pp.6-25, 2019. Contreras, S. and De la Rosa, F. (2016). Aplicación de deep learning en robótica móvil para exploración y reconocimiento de objetos basados en imágenes. 2016 IEEE 11th Colombian Computing Conference (CCC). Calvo, D., Campos, F., Rodriguez, Y. and Atienza, A. (2017). Red Neuronal Convolucional CNN - Diego Calvo. [online] Diego Calvo. Available at: http://www.diegocalvo.es/red-neuronal-convolucional/ [Accessed 2 Nov. 2019]. O. Contreras, "Desarrollo de una red neuronal convolucional para el procesamiento de imágenes placentarias", Pregrado, Universidad Nacional Autónoma de México, 2018. H. Ide and T. Kurita, "Improvement of learning for CNN with ReLU activation by sparse regularization", 2017 International Joint Conference on Neural Networks (IJCNN), 2017. D. Kuželev, "Introducción al deep learning parte 2: Redes Neuronales Convolucionales", Medium, 2019. [Online]. 38 Available: https://medium.com/@jcrispis56/introducci%C3%B3n-al-deep-learning-parte-2-redes-neuronales-convolucionales-f743266d22a0, [Accessed: 03-Nov-2019]. W. Rawat and Z. Wang, "Deep Convolutional Neural Networks for Image Classification: A Comprehensive Review", Neural Computation, vol. 29, no. 9, pp. 2352-2449, 2017. «Vinoj Jayasundara, Sandaru Jayasekara, Hirunima Jayasekara, Jathushan Rajasegaran, Suranga Seneviratne, Ranga Rodrigo, "TextCaps: Handwritten Character Recognition With Very Small Datasets", Applications of Computer Vision (WACV),» 2019 IEEE Winter Conference on, pp. 254-262, 2019. O. E. Contreras, «Desarrollo de una red neuronal convolucional para el procesamiento de imágenes placentarias,» Universidad Nacional Autónoma de México, pp. 15-38, 2018. P. Gleeson, "Which languages should you learn for data science?", Revolut, Agosto 2017. Cass, S., “The 2017 Top Programming Languages. IEEE Spectrum: Technology, Engineering, and Science News”, IEEE, September 2017. L. Rampasek and A. Goldenberg, "TensorFlow: Biology’s Gateway to Deep Learning?", Cell Systems, vol. 2, no. 1, pp. 12-14, 2016. A. Gulli and S. Pal, Deep Learning with Keras. Birmingham, 2017, pp. 59 - 62. pp. "Guide to the Functional API - Keras Documentation", Keras.io, 2019. [Online]. Available: https://keras.io/getting-started/functional-api-guide/. [Accessed: 03- Nov- 2019]. A. Almazroa et al., "Retinal fundus images for glaucoma analysis: the RIGA dataset", Medical Imaging 2018: Imaging Informatics for Healthcare, Research, and Applications, 2018. F. Fumero, S. Alayon, J. Sanchez, J. Sigut and M. Gonzalez-Hernandez, "RIM-ONE: An open retinal image database for optic nerve evaluation", 2011 24th International Symposium on Computer-Based Medical Systems (CBMS), 2011. V. Bhaip, «GitHub,» 2018. [En línea]. Available: https://github.com/vbhaip/glaucoma-cnn. [Último acceso: 3 November 2019]. Guide to the Functional API - Keras Documentation, Keras.io, 2019. [Online]. Available: https://keras.io/getting-started/functional-api-guide/. [Accessed: 03- Nov- 2019]. A. Almazroa et al., "Retinal fundus images for glaucoma analysis: the RIGA dataset", Medical Imaging 2018: Imaging Informatics for Healthcare, Research, and Applications, 2018. |
| dc.source.instname.spa.fl_str_mv |
instname:Universidad del Rosario instname:Universidad del Rosario |
| dc.source.reponame.none.fl_str_mv |
reponame:Repositorio Institucional EdocUR |
| bitstream.url.fl_str_mv |
https://repository.urosario.edu.co/bitstreams/62cdbcfc-6601-4a78-938b-3919206a3740/download https://repository.urosario.edu.co/bitstreams/ecc83e87-5771-4f76-be11-db4e4b89b682/download https://repository.urosario.edu.co/bitstreams/8fb6fed3-cdc9-415e-988a-6c7523dff917/download https://repository.urosario.edu.co/bitstreams/c9fe39b8-5d6a-4c47-99b3-f4e9fe9abd80/download https://repository.urosario.edu.co/bitstreams/004d3a85-5f05-4ec0-b889-9927b23788fc/download https://repository.urosario.edu.co/bitstreams/27fe3c60-d33d-4fec-b0c9-ef81c86e4c2f/download https://repository.urosario.edu.co/bitstreams/ee9013a0-22b0-4740-a495-d37ca356b84e/download https://repository.urosario.edu.co/bitstreams/36d85b82-0c45-4a77-8be0-0c7205990c11/download |
| bitstream.checksum.fl_str_mv |
6cd1d45f7bde27cfa1ccd64aa37ac61c 68b329da9893e34099c7d8ad5cb9c940 f5163871f3579372525c5862413ae5e3 0db250abd4c8fd1f87a895068248329e 502a29bc93786cc4dd88c36d1f556845 7379546264e7ad2276330d10485fb3e1 fab9d9ed61d64f6ac005dee3306ae77e 1487462a1490a8fc01f5999ce7b3b9cc |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional EdocUR |
| repository.mail.fl_str_mv |
edocur@urosario.edu.co |
| _version_ |
1808390596228808704 |
| spelling |
Sarmiento, Jefferson34a50232-bf6d-45be-aafa-80199f167ee3600Fierro Castro, Pierina AlexandraIngeniero BiomédicoFull timee044e74c-7c2e-4a46-8397-4070f48a3c6c6002020-03-16T15:28:04Z2020-03-16T15:28:04Z2019En este trabajo se muestra la forma en que los oftalmólogos diagnostican si un paciente presenta o no glaucoma utilizando equipos biomédicos no invasivos que brindan información útil al respecto. Se hizo una lista de las ventajas y desventajas que ofrecen cada una de las técnicas oftalmológicas encontradas, donde finalmente, se escogió la toma de fotografías de fondo de ojo como el examen con mayor cantidad de virtudes de acuerdo con el objetivo de este proyecto.This work shows how ophthalmologists diagnose whether or not a patient has glaucoma using non-invasive biomedical equipment that provides useful information in this regard. A list of the advantages and disadvantages offered by each of the ophthalmological techniques found was made, where finally, the taking of fundus photographs was chosen as the examination with the greatest number of virtues according to the objective of this project.application/pdfhttps://doi.org/10.48713/10336_21008 https://repository.urosario.edu.co/handle/10336/21008spaUniversidad del RosarioEscuela de Medicina y Ciencias de la SaludIngeniería BiomédicaAtribución-NoComercial-CompartirIgual 2.5 ColombiaAbierto (Texto Completo)EL AUTOR, manifiesta que la obra objeto de la presente autorización es original y la realizó sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de exclusiva autoría y tiene la titularidad sobre la misma.http://creativecommons.org/licenses/by-nc-sa/2.5/co/http://purl.org/coar/access_right/c_abf2IBM - Archives - History of IBM - United States, Ibm.com, 2019. [Online]. Available: https://www.ibm.com/ibm/history/history/history_intro.html. [Accessed: 16- Oct- 2019].Healthcare chronology, Ibm.com, 2019. [Online]. Available: https://www.ibm.com/ibm/history/exhibits/healthcare/healthcare_ch1.html. [Accessed: 16- Oct- 2019].N. Congdon, B. O’Colmain, C. Klaver, “Causes and prevalence of visual impairment among adults in the United States”, WHO World Health Organization, 2004.E. Perez and L. Leon, "La fotografía de fondo de ojo como método de diagnóstico en el glaucoma", Medicentro Electrónica, Santa Clara, vol. 21, pp. 3- 10, 2017.J. Rios Zuluaga, L. Bettin Torres, S. Naranjo Salazar, J. Suárez Garavito and C. De Vivero Arciniegas, "Pautas para el examen oftalmológico. Enfoque para el estudiante de medicina y el médico general", Universitas Médica, vol. 58, no. 2, 2017.Balle, "¿QUÉ ES Y CÓMO SE TRATA EL GLAUCOMA?", Excimer Láser - Oftalmología láser en Palma de Mallorca, 2018. [Online]. Available: https://excimerlaserpalma.com/que-es-y-como-se-trata-el-glaucoma-palma-mallorca/. [Accessed: 22- Oct- 2019].A. Espinosa Castañeda, V. Peña Martínez and M. Carrizosa, "Descripción y análisis de las tecnologías diagnósticas OCT, HRT y GDx en glaucoma: un enfoque para la optometría clínica", Ciencia & Tecnología para la Salud Visual y Ocular, vol. 12, no. 2, p. 87, 2015.K. Townsend et al., "Heidelberg Retina Tomograph 3 machine learning classifiers for glaucoma detection", British Journal of Ophthalmology, vol. 92, no. 6, pp. 814-818, 2008.J. Maslin, K. Mansouri and S. Dorairaj, "HRT for the Diagnosis and Detection of Glaucoma Progression", The Open Ophthalmology Journal, vol. 9, no. 1, pp. 58-67, 2015.Centro de Diagnósticos Oftalmológicos | Tomografía Hrt de Glaucoma, Cdosa.cl, 2019. [Online]. Available: http://www.cdosa.cl/w/examenes/hrt-topografia-computarizada-de-papila/. [Accessed: 2- Nov- 2019].C. García, F. Lugo, M. León, S. Ligero, J. Ruiz and J. Moreno, “Tomografía de Coherencia Óptica (OCT) Funcionamiento y utilidad en patología macular (I)”. Gaceta Óptica, pp. 12-14.F. Gutiérrez Ruiz, "EVALUACIÓN DE LA FUNCIÓN VISUAL EN LOS PACIENTES CON FIBROMIALGIA - PDF", Docplayer.es, 2019. [Online]. Available: https://docplayer.es/43537716-Evaluacion-de-la-funcion-visual-en-los-pacientes-con-fibromialgia.html, [Accessed: 2- Nov-2019].A. Fernández, “Técnica de exploración del fondo de ojo”. Zaragoza: Universidad de Zaragoza, pp. 29-33.«Optometría Ilarduya,» Óptica Ilarte, 2018. [En línea]. Available: http://optometriailarduya.com/retinografo-fondo-de-ojo/. [Último acceso: 2 11 2019].L. Herguedas, “Guía práctica clínica para la realización de una retinografía”. Valladolid, Universidad de Valladolid, 2018, pp. 7-8.Gupta, N., Aung, T., Congdon, N., Lerner, F., Olawoye, S., Resnikoff, S., Wang, N. and Wormald, R., Guías del Consejo Internacional de Oftalmología (ICO) para el Glaucoma, 2015.Instituto Gabriel Simón, (2019). GLAUCOMA. [online] Available at: https://www.iogs.es/glaucoma-5/ [Accessed 2 Nov. 2019].Betancourt, G. LAS MÁQUINAS DE SOPORTE VECTORIAL (SVMs), vol. 1 no. 27, abril 2005.Numerentur.org. (2018). Máquina de Soporte Vectorial SVM. [online] Available at: http://numerentur.org/svm/ [Accessed 2 Nov. 2019].D. Polo, L. Pedraza, E. Martinez, “Comparison of Neural Network applied to prediction of times Series”, Prospect, vol. 13, no. 02, pp. 88-95, 2015.Muñoz, E., Cedeño, F., Ruiz, S. and Cruz, J. “Aplicación de redes neuronales para predecir el éxito de la compra de deuda a una entidad financiera”. Revista Espacios, vol. 40, no. 20, pp.6-25, 2019.Contreras, S. and De la Rosa, F. (2016). Aplicación de deep learning en robótica móvil para exploración y reconocimiento de objetos basados en imágenes. 2016 IEEE 11th Colombian Computing Conference (CCC).Calvo, D., Campos, F., Rodriguez, Y. and Atienza, A. (2017). Red Neuronal Convolucional CNN - Diego Calvo. [online] Diego Calvo. Available at: http://www.diegocalvo.es/red-neuronal-convolucional/ [Accessed 2 Nov. 2019].O. Contreras, "Desarrollo de una red neuronal convolucional para el procesamiento de imágenes placentarias", Pregrado, Universidad Nacional Autónoma de México, 2018.H. Ide and T. Kurita, "Improvement of learning for CNN with ReLU activation by sparse regularization", 2017 International Joint Conference on Neural Networks (IJCNN), 2017.D. Kuželev, "Introducción al deep learning parte 2: Redes Neuronales Convolucionales", Medium, 2019. [Online]. 38 Available: https://medium.com/@jcrispis56/introducci%C3%B3n-al-deep-learning-parte-2-redes-neuronales-convolucionales-f743266d22a0, [Accessed: 03-Nov-2019].W. Rawat and Z. Wang, "Deep Convolutional Neural Networks for Image Classification: A Comprehensive Review", Neural Computation, vol. 29, no. 9, pp. 2352-2449, 2017.«Vinoj Jayasundara, Sandaru Jayasekara, Hirunima Jayasekara, Jathushan Rajasegaran, Suranga Seneviratne, Ranga Rodrigo, "TextCaps: Handwritten Character Recognition With Very Small Datasets", Applications of Computer Vision (WACV),» 2019 IEEE Winter Conference on, pp. 254-262, 2019.O. E. Contreras, «Desarrollo de una red neuronal convolucional para el procesamiento de imágenes placentarias,» Universidad Nacional Autónoma de México, pp. 15-38, 2018.P. Gleeson, "Which languages should you learn for data science?", Revolut, Agosto 2017.Cass, S., “The 2017 Top Programming Languages. IEEE Spectrum: Technology, Engineering, and Science News”, IEEE, September 2017.L. Rampasek and A. Goldenberg, "TensorFlow: Biology’s Gateway to Deep Learning?", Cell Systems, vol. 2, no. 1, pp. 12-14, 2016.A. Gulli and S. Pal, Deep Learning with Keras. Birmingham, 2017, pp. 59 - 62.pp. "Guide to the Functional API - Keras Documentation", Keras.io, 2019. [Online]. Available: https://keras.io/getting-started/functional-api-guide/. [Accessed: 03- Nov- 2019].A. Almazroa et al., "Retinal fundus images for glaucoma analysis: the RIGA dataset", Medical Imaging 2018: Imaging Informatics for Healthcare, Research, and Applications, 2018.F. Fumero, S. Alayon, J. Sanchez, J. Sigut and M. Gonzalez-Hernandez, "RIM-ONE: An open retinal image database for optic nerve evaluation", 2011 24th International Symposium on Computer-Based Medical Systems (CBMS), 2011.V. Bhaip, «GitHub,» 2018. [En línea]. Available: https://github.com/vbhaip/glaucoma-cnn. [Último acceso: 3 November 2019].Guide to the Functional API - Keras Documentation, Keras.io, 2019. [Online]. Available: https://keras.io/getting-started/functional-api-guide/. [Accessed: 03- Nov- 2019].A. Almazroa et al., "Retinal fundus images for glaucoma analysis: the RIGA dataset", Medical Imaging 2018: Imaging Informatics for Healthcare, Research, and Applications, 2018.instname:Universidad del Rosarioinstname:Universidad del Rosarioreponame:Repositorio Institucional EdocURGlaucomaInteligencia artificialImágenes tomográficasOtras ramas de la ingeniería629600Sistemas003600Ciencias médicas, Medicina610600GlaucomaArtificial intelligenceTomographic imagesGlaucoma - Diagnostico por imágenesInteligencia artificial para el diagnostico medicoTecnología medicaEstructuración de un método para la detección de glaucoma mediante reconocimiento de imágenes usando inteligencia artificialStructuring a method for detecting glaucoma by image recognition using artificial intelligencebachelorThesisAnálisis de casoTrabajo de gradohttp://purl.org/coar/resource_type/c_7a1fEscuela de Medicina y Ciencias de la SaludTEXTProyecto_Pierina_Alexandra_Fierro_Castro.pdf.txtProyecto_Pierina_Alexandra_Fierro_Castro.pdf.txtExtracted texttext/plain74223https://repository.urosario.edu.co/bitstreams/62cdbcfc-6601-4a78-938b-3919206a3740/download6cd1d45f7bde27cfa1ccd64aa37ac61cMD55Proyecto_Pierina_Alexandra_Fierro_Castro-Consentimiento.pdf.txtProyecto_Pierina_Alexandra_Fierro_Castro-Consentimiento.pdf.txtExtracted texttext/plain1https://repository.urosario.edu.co/bitstreams/ecc83e87-5771-4f76-be11-db4e4b89b682/download68b329da9893e34099c7d8ad5cb9c940MD57THUMBNAILProyecto_Pierina_Alexandra_Fierro_Castro.pdf.jpgProyecto_Pierina_Alexandra_Fierro_Castro.pdf.jpgGenerated Thumbnailimage/jpeg2752https://repository.urosario.edu.co/bitstreams/8fb6fed3-cdc9-415e-988a-6c7523dff917/downloadf5163871f3579372525c5862413ae5e3MD56Proyecto_Pierina_Alexandra_Fierro_Castro-Consentimiento.pdf.jpgProyecto_Pierina_Alexandra_Fierro_Castro-Consentimiento.pdf.jpgGenerated Thumbnailimage/jpeg3922https://repository.urosario.edu.co/bitstreams/c9fe39b8-5d6a-4c47-99b3-f4e9fe9abd80/download0db250abd4c8fd1f87a895068248329eMD58ORIGINALProyecto_Pierina_Alexandra_Fierro_Castro.pdfProyecto_Pierina_Alexandra_Fierro_Castro.pdfapplication/pdf2245305https://repository.urosario.edu.co/bitstreams/004d3a85-5f05-4ec0-b889-9927b23788fc/download502a29bc93786cc4dd88c36d1f556845MD51Proyecto_Pierina_Alexandra_Fierro_Castro-Consentimiento.pdfProyecto_Pierina_Alexandra_Fierro_Castro-Consentimiento.pdfapplication/pdf30308https://repository.urosario.edu.co/bitstreams/27fe3c60-d33d-4fec-b0c9-ef81c86e4c2f/download7379546264e7ad2276330d10485fb3e1MD52LICENSElicense.txtlicense.txttext/plain1475https://repository.urosario.edu.co/bitstreams/ee9013a0-22b0-4740-a495-d37ca356b84e/downloadfab9d9ed61d64f6ac005dee3306ae77eMD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81037https://repository.urosario.edu.co/bitstreams/36d85b82-0c45-4a77-8be0-0c7205990c11/download1487462a1490a8fc01f5999ce7b3b9ccMD5410336/21008oai:repository.urosario.edu.co:10336/210082022-05-02 07:37:13.86203http://creativecommons.org/licenses/by-nc-sa/2.5/co/Atribución-NoComercial-CompartirIgual 2.5 Colombiahttps://repository.urosario.edu.coRepositorio institucional EdocURedocur@urosario.edu.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 |