SOPHIA: System for Ophthalmic Image Acquisition, Transmission, and Intelligent Analysis

Ocular diseases are one of the main causes of irreversible disability in people in productive age. In 2020, approximately 18% of the worldwide population was estimated to suffer of diabetic retinopathy and diabetic macular edema, but, unfortunately, only half of these people were correctly diagnosed...

Full description

Autores:: González Osorio, Fabio Augusto
Perdomo Charry, Oscar Julián
Perez Perez, Andrés Daniel
Ríos Calixto, Hernán Andrés
Pava Rodríguez, Melissa de la
Arias-Vanegas;, Víctor Alfonso
Lara Ramírez, Juan Sebastián
Toledo Cortés, Santiago
Camargo Mendoza, Jorge Eliecer
Rodríguez Alvira, Francisco José

Tipo de recurso:: Article of investigation

Fecha de publicación:: 2020

Institución:: Escuela Colombiana de Ingeniería Julio Garavito

Repositorio:: Repositorio Institucional ECI

Idioma:: eng

id	ESCUELAIG2_ec14c48d7386566e56ea49be00f69905
oai_identifier_str	oai:repositorio.escuelaing.edu.co:001/1431
network_acronym_str	ESCUELAIG2
network_name_str	Repositorio Institucional ECI
repository_id_str
dc.title.spa.fl_str_mv	SOPHIA: System for Ophthalmic Image Acquisition, Transmission, and Intelligent Analysis SOPHIA: Sistema para adquisición, transmisión, y análisis inteligente de imágenes oftálmicas
title	SOPHIA: System for Ophthalmic Image Acquisition, Transmission, and Intelligent Analysis
spellingShingle	SOPHIA: System for Ophthalmic Image Acquisition, Transmission, and Intelligent Analysis Análisis inteligente Telemedicina Enfermedades oculares Fondo del ojo - Diagnóstico Fundus of the eye - Diagnosis Clinical decision support Deep learning Intelligent analysis Ocular diseases Ophthalmic image acquisition Telemedicine. Apoyo a la decisión clínica Aprendizaje profundo Análisis inteligente Enfermedades oculares Adquisición de imágenes oftálmicas Telemedicina.
title_short	SOPHIA: System for Ophthalmic Image Acquisition, Transmission, and Intelligent Analysis
title_full	SOPHIA: System for Ophthalmic Image Acquisition, Transmission, and Intelligent Analysis
title_fullStr	SOPHIA: System for Ophthalmic Image Acquisition, Transmission, and Intelligent Analysis
title_full_unstemmed	SOPHIA: System for Ophthalmic Image Acquisition, Transmission, and Intelligent Analysis
title_sort	SOPHIA: System for Ophthalmic Image Acquisition, Transmission, and Intelligent Analysis
dc.creator.fl_str_mv	González Osorio, Fabio Augusto Perdomo Charry, Oscar Julián Perez Perez, Andrés Daniel Ríos Calixto, Hernán Andrés Pava Rodríguez, Melissa de la Arias-Vanegas;, Víctor Alfonso Lara Ramírez, Juan Sebastián Toledo Cortés, Santiago Camargo Mendoza, Jorge Eliecer Rodríguez Alvira, Francisco José
dc.contributor.author.none.fl_str_mv	González Osorio, Fabio Augusto Perdomo Charry, Oscar Julián Perez Perez, Andrés Daniel Ríos Calixto, Hernán Andrés Pava Rodríguez, Melissa de la Arias-Vanegas;, Víctor Alfonso Lara Ramírez, Juan Sebastián Toledo Cortés, Santiago Camargo Mendoza, Jorge Eliecer Rodríguez Alvira, Francisco José
dc.contributor.researchgroup.spa.fl_str_mv	GiBiome
dc.subject.armarc.none.fl_str_mv	Análisis inteligente Telemedicina Enfermedades oculares
topic	Análisis inteligente Telemedicina Enfermedades oculares Fondo del ojo - Diagnóstico Fundus of the eye - Diagnosis Clinical decision support Deep learning Intelligent analysis Ocular diseases Ophthalmic image acquisition Telemedicine. Apoyo a la decisión clínica Aprendizaje profundo Análisis inteligente Enfermedades oculares Adquisición de imágenes oftálmicas Telemedicina.
dc.subject.armarc.spa.fl_str_mv	Fondo del ojo - Diagnóstico
dc.subject.armarc.eng.fl_str_mv	Fundus of the eye - Diagnosis
dc.subject.proposal.spa.fl_str_mv	Clinical decision support Deep learning Intelligent analysis Ocular diseases Ophthalmic image acquisition Telemedicine. Apoyo a la decisión clínica Aprendizaje profundo Análisis inteligente Enfermedades oculares Adquisición de imágenes oftálmicas Telemedicina.
description	Ocular diseases are one of the main causes of irreversible disability in people in productive age. In 2020, approximately 18% of the worldwide population was estimated to suffer of diabetic retinopathy and diabetic macular edema, but, unfortunately, only half of these people were correctly diagnosed. On the other hand, in Colombia, the diabetic population (8% of the country’s total population) presents or has presented some ocular complication that has led to other associated costs and, in some cases, has caused vision limitation or blindness. Eye fundus images are the fastest and most economical source of ocular information that can provide a full clinical assessment of the retinal condition of patients. However, the number of ophthalmologists is insufficient and the clinical settings, as well as the attention of these experts, are limited to urban areas. Also, the analysis of said images by professionals requires extensive training, and even for experienced ones, it is a cumbersome and error-prone process. Deep learning methods have marked important breakthroughs in medical imaging due to outstanding performance in segmentation, detection, and disease classification tasks. This article presents SOPHIA, a deep learning-based system for ophthalmic image acquisition, transmission, intelligent analysis, and clinical decision support for the diagnosis of ocular diseases. The system is under active development in a project that brings together healthcare provider institutions, ophthalmology specialists, and computer scientists. Finally, the preliminary results in the automatic analysis of ocular images using deep learning are presented, as well as future work necessary for the implementation and validation of the system in Colombia. Vol. 9 Núm. 10 (2020): Pedagogía del deseo de saber y conocer.
publishDate	2020
dc.date.issued.none.fl_str_mv	2020
dc.date.accessioned.none.fl_str_mv	2021-05-13T23:35:26Z 2021-10-01T17:16:49Z
dc.date.available.none.fl_str_mv	2021-05-13 2021-10-01T17:16:49Z
dc.type.spa.fl_str_mv	Artículo de revista
dc.type.coarversion.fl_str_mv	http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.version.spa.fl_str_mv	info:eu-repo/semantics/publishedVersion
dc.type.coar.spa.fl_str_mv	http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.content.spa.fl_str_mv	Text
dc.type.driver.spa.fl_str_mv	info:eu-repo/semantics/article
dc.type.redcol.spa.fl_str_mv	http://purl.org/redcol/resource_type/ART
format	http://purl.org/coar/resource_type/c_2df8fbb1
status_str	publishedVersion
dc.identifier.issn.none.fl_str_mv	0121-1129
dc.identifier.uri.none.fl_str_mv	https://repositorio.escuelaing.edu.co/handle/001/1431
dc.identifier.doi.none.fl_str_mv	10.19053/01211129.v29.n54.2020.11769
dc.identifier.url.none.fl_str_mv	DOI:10.19053/01211129.v29.n54.2020.11769
identifier_str_mv	0121-1129 10.19053/01211129.v29.n54.2020.11769 DOI:10.19053/01211129.v29.n54.2020.11769
url	https://repositorio.escuelaing.edu.co/handle/001/1431
dc.language.iso.spa.fl_str_mv	eng
language	eng
dc.relation.citationedition.spa.fl_str_mv	Revista Facultad de Ingeniería, vol. 29 (54), e11769, 2020.
dc.relation.citationendpage.spa.fl_str_mv	15
dc.relation.citationissue.spa.fl_str_mv	54
dc.relation.citationstartpage.spa.fl_str_mv	1
dc.relation.citationvolume.spa.fl_str_mv	29
dc.relation.indexed.spa.fl_str_mv	N/A
dc.relation.ispartofjournal.spa.fl_str_mv	Revista Facultad De Ingeniería
dc.relation.references.spa.fl_str_mv	Asociación Estadounidense de Diabetes, “Clasificación y diagnóstico de la diabetes”, Diabetes Care, vol. 39 (1), S13-S22, 2016. https://doi.org/10.2337/dc16-S005 M. Abràmoff, M. Garvin y M. Sonka, "Retinal Imaging and Image Analysis", revisiones de IEEE en ingeniería biomédica, vol. 3, págs. 169-208, 2010. https://doi.org/10.1109/RBME.2010.2084567 J. Köberlein, K. Beifus, C. Schaffert y R. Finger, “ La carga económica de la discapacidad visual y la ceguera: una revisión sistemática ”, BMJ open, vol. 3 (11), e003471, 2013. https://doi.org/10.1136/bmjopen-2013-003471 G. Labiris, E. Panagiotopoulou y V. Kozobolis, “Una revisión sistemática de estudios teleoftalmológicos en Europa”, Revista Internacional de Oftalmología, vol. 11 (2), págs. 314-325, 2018. https://doi.org/10.18240/ijo.2018.02.22 R. Gargeya y T. Leng, “Identificación automatizada de la retinopatía diabética mediante aprendizaje profundo, ”Oftalmología, vol. 124 (7), págs. 962-969, 2017. https://doi.org/10.1016/j.ophtha.2017.02.008 S. Otálora, O. Perdomo, F. González y H. Müller, "Entrenamiento de redes neuronales convolucionales profundas con aprendizaje activo para la clasificación de exudados en imágenes de fondo de ojo", en Imágenes intravasculares y colocación de stents asistida por computadora, y anotación a gran escala de datos biomédicos y síntesis de etiquetas de expertos, págs. 146-154, 2017. https: / /doi.org/10.1007/978-3-319-67534-3_16 C. Lam, C. Yu, L. Huang y D. Rubin, “Detección de lesiones retinianas con aprendizaje profundo usando parches de imagen”, Oftalmología de investigación y ciencia visual, vol. 59 (1), págs. 590-596, 2018. https://doi.org/10.1167/iovs.17-22721 O. Perdomo, S. Otálora, F. Rodríguez, J. Arévalo y F. González, "Un nuevo modelo de aprendizaje automático basado en la localización de exudados para detectar el edema macular diabético", en Actas del Tercer Taller Internacional de Análisis de Imágenes Médicas Oftalmológicas, págs. 137-144, 2016. https://doi.org/10.17077/omia .1057 B. Anfitrión, A. Turner y J. Muir, “Consulta por video de teleoftalmología en tiempo real: un análisis de la satisfacción del paciente en las zonas rurales de Australia Occidental”, Optometría clínica y experimental, vol. 101 (1), págs. 129-134, 2018. https://doi.org/10.1111/cxo.12535 J. Micheletti, A. Hendrick, F. Khan, D. Ziemer y F. Pasquel, "Dispositivos portátiles de detección de la retinopatía diabética actual y de próxima generación", Revista de ciencia y tecnología de la diabetes, vol. 10 (2), págs. 295-300, 2016. https://doi.org/10.1177/1932296816629158 W. Alyoubi, W. Shalash y M. Abulkhair, “Detección de retinopatía diabética mediante técnicas de aprendizaje profundo: A revisión ”, Informatics in Medicine Unlocked, vol. 20, e100377, 2016. https://doi.org/10.1016/j.imu.2020.100377 K. Stebbins, “Exámenes de retina diabéticos en atención de primera línea con el modelo de prestación de atención RetinaVue”, Point of Care, vol. 18 (1), págs. 37-39, 2019. https://doi.org/10.1097/POC.0000000000000183 O. Perdomo, J. Arévalo y F. González, “Red convolucional para detectar exudados en imágenes de fondo de ojo de sujetos diabéticos”, en el XII Simposio Internacional de Procesamiento y Análisis de Información Médica, 2017, e101600T. https://doi.org/10.1117/12.2256939 O. Perdomo, V. Andrearczyk, F. Meriaudeau, H. Müller y F. González, "Diagnóstico de glaucoma a partir de imágenes del fondo de ojo basadas en la estimación de características morfométricas profundas", en Patología computacional y análisis de imágenes médicas oftálmicas, págs. 319-327, 2018. https://doi.org/10.1007/978-3-030-00949-6_38 B. Graham, “Informe de competencia de detección de retinopatía diabética de Kaggle , ”Tesis de Maestría, Universidad de Warwick, Reino Unido, 2015. K. Zhou, Z. Gu, A. Li, J. Cheng, S. Gao y J. Liu, “Gradación de retinopatía diabética guiada por la calidad de la imagen del fondo de ojo”, en Patología Computacional y Análisis de Imágenes Médicas Oftalmológicas, págs. 245-252, 2018. https://doi.org/10.1007/978-3-030-00949-6_29 H. Fu, B. Wang, J. Shen, S. Cui, Y. Xu, J. Liu y L. Shao, "Evaluación de las redes de evaluación de la calidad de la imagen de la retina en diferentes espacios de color", en la Conferencia Internacional sobre Computación de Imágenes Médicas e Intervención Asistida por Computadora, págs. 48-56, 2019. https://doi.org /10.1007/978-3-030-32239-7_6 E. Decencière, X. Zhang, G. Cazuguel, B. Lay, B. Cochener, C. Trone, P. Gain, R. Ordóñez, P. Massin, A. Erginay, B. Charton y JC. Klein, "Comentarios sobre una base de datos de imágenes distribuida públicamente: la base de datos Messidor", Image Analysis & Stereology, vol. 33 (3), págs. 231-234, 2014. https://doi.org/10.5566/ias.1155 C. Szegedy, V. Vanhoucke, S. Ioffe, J. Shlens y Z. Wojna, “Repensar la arquitectura inicial de la visión por computadora”, en Actas de la conferencia IEEE sobre visión por computadora y reconocimiento de patrones, págs. 2818-2826, 2016. https://doi.org/10.1109/CVPR.2016.308 O. Russakovsky, J. Deng, H. Su, J. Krause, S. Satheesh, S. Ma, Z. Huang, A. Karpathy, A. Khosla, M. Bernstein, A. Berg y L. Fei -Fei, “Desafío de reconocimiento visual a gran escala de Imagenet”, Revista internacional de visión por computadora, vol. 115 (3), págs. 211-252, 2015. https://doi.org/10.1007/s11263-015-0816-y T. Vu, C. Van Nguyen, T. Pham, T. Luu, y C. Yoo, “Mejora rápida y eficiente de la calidad de imagen a través de redes neuronales convolucionales desubpixel”, en Actas de la Conferencia Europea sobre Visión por Computador (ECCV), 2018. https://doi.org/10.1007/978-3-030- 11021-5_16 J. Wan, D. Wang, S. Hoi, P. Wu, J. Zhu, Y. Zhang y J. Li, "Aprendizaje profundo para la recuperación de imágenes basada en contenido: un estudio completo", en Proceedings of la 22ª conferencia internacional de ACM sobre multimedia, págs. 157-166, 2014. https://doi.org/10.1145/2647868.2654948 Y. Cao, S. Steffey, J. He, D. Xiao, C. Tao, P. Chen y H. Müller, "Recuperación de imágenes médicas: un enfoque multimodal", Informática del cáncer. Vol. 13, e14053, 2014. https://doi.org/10.4137/CIN.S14053
dc.rights.coar.fl_str_mv	http://purl.org/coar/access_right/c_abf2
dc.rights.uri.spa.fl_str_mv	https://creativecommons.org/licenses/by/4.0/
dc.rights.accessrights.spa.fl_str_mv	info:eu-repo/semantics/openAccess
dc.rights.creativecommons.spa.fl_str_mv	Atribución 4.0 Internacional (CC BY 4.0)
rights_invalid_str_mv	https://creativecommons.org/licenses/by/4.0/ Atribución 4.0 Internacional (CC BY 4.0) http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.format.extent.spa.fl_str_mv	15 páginas
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.publisher.spa.fl_str_mv	Universidad de Antioquia
dc.publisher.place.spa.fl_str_mv	Colombia, Antioquia
dc.source.spa.fl_str_mv	https://revistas.uptc.edu.co/index.php/ingenieria/article/view/11769
institution	Escuela Colombiana de Ingeniería Julio Garavito
bitstream.url.fl_str_mv	https://repositorio.escuelaing.edu.co/bitstream/001/1431/3/SOPHIA%20%20System%20for%20Ophthalmic.pdf.txt https://repositorio.escuelaing.edu.co/bitstream/001/1431/4/SOPHIA%20%20System%20for%20Ophthalmic.pdf.jpg https://repositorio.escuelaing.edu.co/bitstream/001/1431/1/license.txt https://repositorio.escuelaing.edu.co/bitstream/001/1431/2/SOPHIA%20%20System%20for%20Ophthalmic.pdf
bitstream.checksum.fl_str_mv	2220c6dd75da6f5f1da076700bb985b8 441d0d7a3cd4e02ba4add3ee2618806b 5a7ca94c2e5326ee169f979d71d0f06e 2a5fb80716b77ea3a607f52f7f61a415
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Escuela Colombiana de Ingeniería Julio Garavito
repository.mail.fl_str_mv	repositorio.eci@escuelaing.edu.co
_version_	1808494268829925376
spelling	González Osorio, Fabio Augusto35912f60905ba6e179208c70e6024e80600Perdomo Charry, Oscar Juliánea42b08d4a465663160fa9c8de444218600Perez Perez, Andrés Daniel3153a46c01327ea1b6a5119ecf8cb8fc600Ríos Calixto, Hernán Andrés3d4b8c41548a45339910669df636c88a600Pava Rodríguez, Melissa de lac201168a2c342c63eed9ab79ab17f351600Arias-Vanegas;, Víctor Alfonso32cd641813d9ca3c62fba263fff40e21600Lara Ramírez, Juan Sebastiánf99523010bf986c42b2f594e40277403600Toledo Cortés, Santiagoaacc1c99e2c7e404d2f99a7a954b57c8600Camargo Mendoza, Jorge Eliecer274471d94ed909e6cd5338d89145fab5600Rodríguez Alvira, Francisco Joséc698688279105fbb6b4f656eab8ff64b600GiBiome2021-05-13T23:35:26Z2021-10-01T17:16:49Z2021-05-132021-10-01T17:16:49Z20200121-1129https://repositorio.escuelaing.edu.co/handle/001/143110.19053/01211129.v29.n54.2020.11769DOI:10.19053/01211129.v29.n54.2020.11769Ocular diseases are one of the main causes of irreversible disability in people in productive age. In 2020, approximately 18% of the worldwide population was estimated to suffer of diabetic retinopathy and diabetic macular edema, but, unfortunately, only half of these people were correctly diagnosed. On the other hand, in Colombia, the diabetic population (8% of the country’s total population) presents or has presented some ocular complication that has led to other associated costs and, in some cases, has caused vision limitation or blindness. Eye fundus images are the fastest and most economical source of ocular information that can provide a full clinical assessment of the retinal condition of patients. However, the number of ophthalmologists is insufficient and the clinical settings, as well as the attention of these experts, are limited to urban areas. Also, the analysis of said images by professionals requires extensive training, and even for experienced ones, it is a cumbersome and error-prone process. Deep learning methods have marked important breakthroughs in medical imaging due to outstanding performance in segmentation, detection, and disease classification tasks. This article presents SOPHIA, a deep learning-based system for ophthalmic image acquisition, transmission, intelligent analysis, and clinical decision support for the diagnosis of ocular diseases. The system is under active development in a project that brings together healthcare provider institutions, ophthalmology specialists, and computer scientists. Finally, the preliminary results in the automatic analysis of ocular images using deep learning are presented, as well as future work necessary for the implementation and validation of the system in Colombia. Vol. 9 Núm. 10 (2020): Pedagogía del deseo de saber y conocer.Las enfermedades oculares son una de las principales causas de discapacidad irreversible en personas en edad productiva. En el año 2020, se estima que aproximadamente el 18% de la población mundial padece retinopatía diabética y edema macular diabético, pero, desafortunadamente, sólo la mitad de estas personas están correctamente diagnosticadas. Por otro lado, en Colombia, la población diabética (8% de la población total del país) presenta o ha presentado alguna complicación ocular que ha llevado a otros costos asociados y, en algunos casos, ha causado limitación de la visión o ceguera. Las imágenes del fondo de ojo son la fuente de información ocular más rápida y económica que puede proporcionar una evaluación clínica completa del estado de la retina de los pacientes. Sin embargo, el número de oftalmólogos es insuficiente y los entornos clínicos, así como la atención de estos expertos, se limitan a las zonas urbanas. Además, el análisis de dichas imágenes por parte de los profesionales requiere una amplia formación, e incluso para los experimentados, es un proceso engorroso y propenso a errores. Los métodos de aprendizaje profundo han supuesto un importante avance en el campo de las imágenes médicas debido a su excelente rendimiento en tareas de segmentación, detección y clasificación de enfermedades. Este artículo presenta SOPHIA, un sistema basado en el aprendizaje profundo para la adquisición de imágenes oftálmicas, la transmisión, el análisis inteligente y el apoyo a la decisión clínica para el diagnóstico de enfermedades oculares. El sistema está en desarrollo activo en un proyecto que reúne a instituciones proveedoras de servicios de salud, especialistas en oftalmología e informáticos. Finalmente, se presentan los resultados preliminares en el análisis automático de imágenes oculares utilizando deep learning, así como los trabajos futuros necesarios para la implementación y validación del sistema en Colombia. Vol. 9 Núm. 10 (2020): Pedagogía del deseo de saber y conocer.Citation: O.-J. Perdomo-Charry, A.-D. Pérez, M. de-la-Pava-Rodríguez, H.-A. Ríos-Calixto, V.-A. Arias-Vanegas, J.-S. Lara-Ramírez, S. Toledo-Cortés, J.-E. Camargo-Mendoza, F.-J. Rodríguez-Alvira, F.-A. González-Osorio, “SOPHIA: System for Ophthalmic Image Acquisition, Transmission, and Intelligent Analysis,” Revista Facultad de Ingeniería, vol. 29 (54), e11769, 2020. https://doi.org/10.19053/01211129.v29.n54.2020.1176915 páginasapplication/pdfengUniversidad de AntioquiaColombia, Antioquiahttps://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccessAtribución 4.0 Internacional (CC BY 4.0)http://purl.org/coar/access_right/c_abf2https://revistas.uptc.edu.co/index.php/ingenieria/article/view/11769SOPHIA: System for Ophthalmic Image Acquisition, Transmission, and Intelligent AnalysisSOPHIA: Sistema para adquisición, transmisión, y análisis inteligente de imágenes oftálmicasArtículo de revistainfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_2df8fbb1Textinfo:eu-repo/semantics/articlehttp://purl.org/redcol/resource_type/ARThttp://purl.org/coar/version/c_970fb48d4fbd8a85Revista Facultad de Ingeniería, vol. 29 (54), e11769, 2020.1554129N/ARevista Facultad De IngenieríaAsociación Estadounidense de Diabetes, “Clasificación y diagnóstico de la diabetes”, Diabetes Care, vol. 39 (1), S13-S22, 2016. https://doi.org/10.2337/dc16-S005M. Abràmoff, M. Garvin y M. Sonka, "Retinal Imaging and Image Analysis", revisiones de IEEE en ingeniería biomédica, vol. 3, págs. 169-208, 2010. https://doi.org/10.1109/RBME.2010.2084567J. Köberlein, K. Beifus, C. Schaffert y R. Finger, “ La carga económica de la discapacidad visual y la ceguera: una revisión sistemática ”, BMJ open, vol. 3 (11), e003471, 2013. https://doi.org/10.1136/bmjopen-2013-003471G. Labiris, E. Panagiotopoulou y V. Kozobolis, “Una revisión sistemática de estudios teleoftalmológicos en Europa”, Revista Internacional de Oftalmología, vol. 11 (2), págs. 314-325, 2018. https://doi.org/10.18240/ijo.2018.02.22R. Gargeya y T. Leng, “Identificación automatizada de la retinopatía diabética mediante aprendizaje profundo, ”Oftalmología, vol. 124 (7), págs. 962-969, 2017. https://doi.org/10.1016/j.ophtha.2017.02.008S. Otálora, O. Perdomo, F. González y H. Müller, "Entrenamiento de redes neuronales convolucionales profundas con aprendizaje activo para la clasificación de exudados en imágenes de fondo de ojo", en Imágenes intravasculares y colocación de stents asistida por computadora, y anotación a gran escala de datos biomédicos y síntesis de etiquetas de expertos, págs. 146-154, 2017. https: / /doi.org/10.1007/978-3-319-67534-3_16C. Lam, C. Yu, L. Huang y D. Rubin, “Detección de lesiones retinianas con aprendizaje profundo usando parches de imagen”, Oftalmología de investigación y ciencia visual, vol. 59 (1), págs. 590-596, 2018. https://doi.org/10.1167/iovs.17-22721O. Perdomo, S. Otálora, F. Rodríguez, J. Arévalo y F. González, "Un nuevo modelo de aprendizaje automático basado en la localización de exudados para detectar el edema macular diabético", en Actas del Tercer Taller Internacional de Análisis de Imágenes Médicas Oftalmológicas, págs. 137-144, 2016. https://doi.org/10.17077/omia .1057B. Anfitrión, A. Turner y J. Muir, “Consulta por video de teleoftalmología en tiempo real: un análisis de la satisfacción del paciente en las zonas rurales de Australia Occidental”, Optometría clínica y experimental, vol. 101 (1), págs. 129-134, 2018. https://doi.org/10.1111/cxo.12535J. Micheletti, A. Hendrick, F. Khan, D. Ziemer y F. Pasquel, "Dispositivos portátiles de detección de la retinopatía diabética actual y de próxima generación", Revista de ciencia y tecnología de la diabetes, vol. 10 (2), págs. 295-300, 2016. https://doi.org/10.1177/1932296816629158W. Alyoubi, W. Shalash y M. Abulkhair, “Detección de retinopatía diabética mediante técnicas de aprendizaje profundo: A revisión ”, Informatics in Medicine Unlocked, vol. 20, e100377, 2016. https://doi.org/10.1016/j.imu.2020.100377K. Stebbins, “Exámenes de retina diabéticos en atención de primera línea con el modelo de prestación de atención RetinaVue”, Point of Care, vol. 18 (1), págs. 37-39, 2019. https://doi.org/10.1097/POC.0000000000000183O. Perdomo, J. Arévalo y F. González, “Red convolucional para detectar exudados en imágenes de fondo de ojo de sujetos diabéticos”, en el XII Simposio Internacional de Procesamiento y Análisis de Información Médica, 2017, e101600T. https://doi.org/10.1117/12.2256939O. Perdomo, V. Andrearczyk, F. Meriaudeau, H. Müller y F. González, "Diagnóstico de glaucoma a partir de imágenes del fondo de ojo basadas en la estimación de características morfométricas profundas", en Patología computacional y análisis de imágenes médicas oftálmicas, págs. 319-327, 2018. https://doi.org/10.1007/978-3-030-00949-6_38B. Graham, “Informe de competencia de detección de retinopatía diabética de Kaggle , ”Tesis de Maestría, Universidad de Warwick, Reino Unido, 2015.K. Zhou, Z. Gu, A. Li, J. Cheng, S. Gao y J. Liu, “Gradación de retinopatía diabética guiada por la calidad de la imagen del fondo de ojo”, en Patología Computacional y Análisis de Imágenes Médicas Oftalmológicas, págs. 245-252, 2018. https://doi.org/10.1007/978-3-030-00949-6_29H. Fu, B. Wang, J. Shen, S. Cui, Y. Xu, J. Liu y L. Shao, "Evaluación de las redes de evaluación de la calidad de la imagen de la retina en diferentes espacios de color", en la Conferencia Internacional sobre Computación de Imágenes Médicas e Intervención Asistida por Computadora, págs. 48-56, 2019. https://doi.org /10.1007/978-3-030-32239-7_6E. Decencière, X. Zhang, G. Cazuguel, B. Lay, B. Cochener, C. Trone, P. Gain, R. Ordóñez, P. Massin, A. Erginay, B. Charton y JC. Klein, "Comentarios sobre una base de datos de imágenes distribuida públicamente: la base de datos Messidor", Image Analysis & Stereology, vol. 33 (3), págs. 231-234, 2014. https://doi.org/10.5566/ias.1155C. Szegedy, V. Vanhoucke, S. Ioffe, J. Shlens y Z. Wojna, “Repensar la arquitectura inicial de la visión por computadora”, en Actas de la conferencia IEEE sobre visión por computadora y reconocimiento de patrones, págs. 2818-2826, 2016. https://doi.org/10.1109/CVPR.2016.308O. Russakovsky, J. Deng, H. Su, J. Krause, S. Satheesh, S. Ma, Z. Huang, A. Karpathy, A. Khosla, M. Bernstein, A. Berg y L. Fei -Fei, “Desafío de reconocimiento visual a gran escala de Imagenet”, Revista internacional de visión por computadora, vol. 115 (3), págs. 211-252, 2015. https://doi.org/10.1007/s11263-015-0816-yT. Vu, C. Van Nguyen, T. Pham, T. Luu, y C. Yoo, “Mejora rápida y eficiente de la calidad de imagen a través de redes neuronales convolucionales desubpixel”, en Actas de la Conferencia Europea sobre Visión por Computador (ECCV), 2018. https://doi.org/10.1007/978-3-030- 11021-5_16J. Wan, D. Wang, S. Hoi, P. Wu, J. Zhu, Y. Zhang y J. Li, "Aprendizaje profundo para la recuperación de imágenes basada en contenido: un estudio completo", en Proceedings of la 22ª conferencia internacional de ACM sobre multimedia, págs. 157-166, 2014. https://doi.org/10.1145/2647868.2654948Y. Cao, S. Steffey, J. He, D. Xiao, C. Tao, P. Chen y H. Müller, "Recuperación de imágenes médicas: un enfoque multimodal", Informática del cáncer. Vol. 13, e14053, 2014. https://doi.org/10.4137/CIN.S14053Análisis inteligenteTelemedicinaEnfermedades ocularesFondo del ojo - DiagnósticoFundus of the eye - DiagnosisClinical decision supportDeep learningIntelligent analysisOcular diseasesOphthalmic image acquisitionTelemedicine.Apoyo a la decisión clínicaAprendizaje profundoAnálisis inteligenteEnfermedades ocularesAdquisición de imágenes oftálmicasTelemedicina.TEXTSOPHIA System for Ophthalmic.pdf.txtSOPHIA System for Ophthalmic.pdf.txtExtracted texttext/plain33279https://repositorio.escuelaing.edu.co/bitstream/001/1431/3/SOPHIA%20%20System%20for%20Ophthalmic.pdf.txt2220c6dd75da6f5f1da076700bb985b8MD53open accessTHUMBNAILSOPHIA System for Ophthalmic.pdf.jpgSOPHIA System for Ophthalmic.pdf.jpgGenerated Thumbnailimage/jpeg13648https://repositorio.escuelaing.edu.co/bitstream/001/1431/4/SOPHIA%20%20System%20for%20Ophthalmic.pdf.jpg441d0d7a3cd4e02ba4add3ee2618806bMD54open accessLICENSElicense.txttext/plain1881https://repositorio.escuelaing.edu.co/bitstream/001/1431/1/license.txt5a7ca94c2e5326ee169f979d71d0f06eMD51open accessORIGINALSOPHIA System for Ophthalmic.pdfapplication/pdf587391https://repositorio.escuelaing.edu.co/bitstream/001/1431/2/SOPHIA%20%20System%20for%20Ophthalmic.pdf2a5fb80716b77ea3a607f52f7f61a415MD52open access001/1431oai:repositorio.escuelaing.edu.co:001/14312022-10-06 16:24:28.959open accessRepositorio Escuela Colombiana de Ingeniería Julio Garavitorepositorio.eci@escuelaing.edu.coU0kgVVNURUQgSEFDRSBQQVJURSBERUwgR1JVUE8gREUgUEFSRVMgRVZBTFVBRE9SRVMgREUgTEEgQ09MRUNDScOTTiAiUEVFUiBSRVZJRVciLCBPTUlUQSBFU1RBIExJQ0VOQ0lBLgoKQXV0b3Jpem8gYSBsYSBFc2N1ZWxhIENvbG9tYmlhbmEgZGUgSW5nZW5pZXLDrWEgSnVsaW8gR2FyYXZpdG8gcGFyYSBwdWJsaWNhciBlbCB0cmFiYWpvIGRlIGdyYWRvLCBhcnTDrWN1bG8sIHZpZGVvLCAKY29uZmVyZW5jaWEsIGxpYnJvLCBpbWFnZW4sIGZvdG9ncmFmw61hLCBhdWRpbywgcHJlc2VudGFjacOzbiB1IG90cm8gKGVuICAgIGFkZWxhbnRlIGRvY3VtZW50bykgcXVlIGVuIGxhIGZlY2hhIAplbnRyZWdvIGVuIGZvcm1hdG8gZGlnaXRhbCwgeSBsZSBwZXJtaXRvIGRlIGZvcm1hIGluZGVmaW5pZGEgcXVlIGxvIHB1YmxpcXVlIGVuIGVsIHJlcG9zaXRvcmlvIGluc3RpdHVjaW9uYWwsIAplbiBsb3MgdMOpcm1pbm9zIGVzdGFibGVjaWRvcyBlbiBsYSBMZXkgMjMgZGUgMTk4MiwgbGEgTGV5IDQ0IGRlIDE5OTMsIHkgZGVtw6FzIGxleWVzIHkganVyaXNwcnVkZW5jaWEgdmlnZW50ZQphbCByZXNwZWN0bywgcGFyYSBmaW5lcyBlZHVjYXRpdm9zIHkgbm8gbHVjcmF0aXZvcy4gRXN0YSBhdXRvcml6YWNpw7NuIGVzIHbDoWxpZGEgcGFyYSBsYXMgZmFjdWx0YWRlcyB5IGRlcmVjaG9zIGRlIAp1c28gc29icmUgbGEgb2JyYSBlbiBmb3JtYXRvIGRpZ2l0YWwsIGVsZWN0csOzbmljbywgdmlydHVhbDsgeSBwYXJhIHVzb3MgZW4gcmVkZXMsIGludGVybmV0LCBleHRyYW5ldCwgeSBjdWFscXVpZXIgCmZvcm1hdG8gbyBtZWRpbyBjb25vY2lkbyBvIHBvciBjb25vY2VyLgpFbiBtaSBjYWxpZGFkIGRlIGF1dG9yLCBleHByZXNvIHF1ZSBlbCBkb2N1bWVudG8gb2JqZXRvIGRlIGxhIHByZXNlbnRlIGF1dG9yaXphY2nDs24gZXMgb3JpZ2luYWwgeSBsbyBlbGFib3LDqSBzaW4gCnF1ZWJyYW50YXIgbmkgc3VwbGFudGFyIGxvcyBkZXJlY2hvcyBkZSBhdXRvciBkZSB0ZXJjZXJvcy4gUG9yIGxvIHRhbnRvLCBlcyBkZSBtaSBleGNsdXNpdmEgYXV0b3LDrWEgeSwgZW4gY29uc2VjdWVuY2lhLCAKdGVuZ28gbGEgdGl0dWxhcmlkYWQgc29icmUgw6lsLiBFbiBjYXNvIGRlIHF1ZWphIG8gYWNjacOzbiBwb3IgcGFydGUgZGUgdW4gdGVyY2VybyByZWZlcmVudGUgYSBsb3MgZGVyZWNob3MgZGUgYXV0b3Igc29icmUgCmVsIGRvY3VtZW50byBlbiBjdWVzdGnDs24sIGFzdW1pcsOpIGxhIHJlc3BvbnNhYmlsaWRhZCB0b3RhbCB5IHNhbGRyw6kgZW4gZGVmZW5zYSBkZSBsb3MgZGVyZWNob3MgYXF1w60gYXV0b3JpemFkb3MuIEVzdG8gCnNpZ25pZmljYSBxdWUsIHBhcmEgdG9kb3MgbG9zIGVmZWN0b3MsIGxhIEVzY3VlbGEgYWN0w7phIGNvbW8gdW4gdGVyY2VybyBkZSBidWVuYSBmZS4KVG9kYSBwZXJzb25hIHF1ZSBjb25zdWx0ZSBlbCBSZXBvc2l0b3JpbyBJbnN0aXR1Y2lvbmFsIGRlIGxhIEVzY3VlbGEsIGVsIENhdMOhbG9nbyBlbiBsw61uZWEgdSBvdHJvIG1lZGlvIGVsZWN0csOzbmljbywgCnBvZHLDoSBjb3BpYXIgYXBhcnRlcyBkZWwgdGV4dG8sIGNvbiBlbCBjb21wcm9taXNvIGRlIGNpdGFyIHNpZW1wcmUgbGEgZnVlbnRlLCBsYSBjdWFsIGluY2x1eWUgZWwgdMOtdHVsbyBkZWwgdHJhYmFqbyB5IGVsIAphdXRvci5Fc3RhIGF1dG9yaXphY2nDs24gbm8gaW1wbGljYSByZW51bmNpYSBhIGxhIGZhY3VsdGFkIHF1ZSB0ZW5nbyBkZSBwdWJsaWNhciB0b3RhbCBvIHBhcmNpYWxtZW50ZSBsYSBvYnJhIGVuIG90cm9zIAptZWRpb3MuRXN0YSBhdXRvcml6YWNpw7NuIGVzdMOhIHJlc3BhbGRhZGEgcG9yIGxhcyBmaXJtYXMgZGVsIChsb3MpIGF1dG9yKGVzKSBkZWwgZG9jdW1lbnRvLiAKU8OtIGF1dG9yaXpvIChhbWJvcykK

SOPHIA: System for Ophthalmic Image Acquisition, Transmission, and Intelligent Analysis

Publicaciones similares