Método basado en redes convolucionales profundas para la clasificación de retinopatía diabética
La retinopatía diabética es una de las principales causas de ceguera en el mundo. Esta se debe al incremento de la concentración de glucosa en la sangre lo cual deriva en anormalidades en la retina. Una de las dificultades a la hora de tratarla es que los pacientes perciben pocos síntomas durante la...
- Autores:
-
Serrano Mugica, Juan David
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2021
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/55361
- Acceso en línea:
- http://hdl.handle.net/1992/55361
- Palabra clave:
- Retinopatía diabética
Redes convolucionales
Clasificación ordinal
Reducción de ruido por promedio no local
Metacost
Transformada circular de Hough
Ingeniería
- Rights
- openAccess
- License
- https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
| id |
UNIANDES2_05dd1321a72ada356c67fbe19e814145 |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/55361 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Método basado en redes convolucionales profundas para la clasificación de retinopatía diabética |
| title |
Método basado en redes convolucionales profundas para la clasificación de retinopatía diabética |
| spellingShingle |
Método basado en redes convolucionales profundas para la clasificación de retinopatía diabética Retinopatía diabética Redes convolucionales Clasificación ordinal Reducción de ruido por promedio no local Metacost Transformada circular de Hough Ingeniería |
| title_short |
Método basado en redes convolucionales profundas para la clasificación de retinopatía diabética |
| title_full |
Método basado en redes convolucionales profundas para la clasificación de retinopatía diabética |
| title_fullStr |
Método basado en redes convolucionales profundas para la clasificación de retinopatía diabética |
| title_full_unstemmed |
Método basado en redes convolucionales profundas para la clasificación de retinopatía diabética |
| title_sort |
Método basado en redes convolucionales profundas para la clasificación de retinopatía diabética |
| dc.creator.fl_str_mv |
Serrano Mugica, Juan David |
| dc.contributor.advisor.none.fl_str_mv |
García Cárdenas, Juan José Lozano Martínez, Fernando Enrique |
| dc.contributor.author.spa.fl_str_mv |
Serrano Mugica, Juan David |
| dc.contributor.jury.spa.fl_str_mv |
Giraldo Trujillo, Luis Felipe |
| dc.subject.keyword.none.fl_str_mv |
Retinopatía diabética Redes convolucionales Clasificación ordinal Reducción de ruido por promedio no local Metacost Transformada circular de Hough |
| topic |
Retinopatía diabética Redes convolucionales Clasificación ordinal Reducción de ruido por promedio no local Metacost Transformada circular de Hough Ingeniería |
| dc.subject.themes.none.fl_str_mv |
Ingeniería |
| description |
La retinopatía diabética es una de las principales causas de ceguera en el mundo. Esta se debe al incremento de la concentración de glucosa en la sangre lo cual deriva en anormalidades en la retina. Una de las dificultades a la hora de tratarla es que los pacientes perciben pocos síntomas durante las primeras etapas. Así mismo, otras limitantes para la detección son la necesidad de personal calificado y la alta complejidad y altos costos asociadas a las metodologías de diagnóstico. Por estas razones, en los últimos años se han propuesto soluciones basadas en inteligencia artificial para asistir el diagnostico. Entre las técnicas propuestas están los Random Forest, SVM, Redes Convolucaionales Profundas o combinaciones de estas. Para este trabajo nos enfocaremos especialmente en técnicas basadas en Redes Convolucionales Profundas para la clasificación de retinopatía diabética por medio de imágenes de fondo de ojo. Los modelos entrenados tuvieron como arquitectura base a ResNet-34 y ResNet-50. Además, se utilizaron 4 preprocesamientos para las imágenes y 2 formas de regresión para realizar la clasificación. El mejor modelo obtuvo un puntaje F1 promedio de alrededor de 56% en el conjunto de prueba. Finalmente, se aplicó Metacost a 5 modelos para analizar los resultados en base a un esquema sensible a costos |
| publishDate |
2021 |
| dc.date.issued.none.fl_str_mv |
2021 |
| dc.date.accessioned.none.fl_str_mv |
2022-02-22T19:57:18Z |
| dc.date.available.none.fl_str_mv |
2022-02-22T19:57:18Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/55361 |
| dc.identifier.pdf.spa.fl_str_mv |
25520.pdf |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
http://hdl.handle.net/1992/55361 |
| identifier_str_mv |
25520.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.uri.*.fl_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
11 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad de los Andes |
| dc.publisher.program.spa.fl_str_mv |
Ingeniería Electrónica |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.spa.fl_str_mv |
Departamento de Ingeniería Eléctrica y Electrónica |
| institution |
Universidad de los Andes |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/4cf3cf07-50b7-40af-9da1-c9556501ddc4/download https://repositorio.uniandes.edu.co/bitstreams/ed1c766b-1555-46fe-89f1-20d99e7777c7/download https://repositorio.uniandes.edu.co/bitstreams/4c42a23b-9734-4960-abf1-52ace1d9eb19/download |
| bitstream.checksum.fl_str_mv |
c71205c558a97966a0655164b3034210 79babfd88c253b80f623ef29330e6063 b25c057970eff7d6ff65f89ef7d96dbe |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1818111702247407616 |
| spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2García Cárdenas, Juan José44188367-f49b-4c6b-9009-a037c689da55400Lozano Martínez, Fernando Enriquevirtual::1968-1Serrano Mugica, Juan David92da4a98-fdba-4734-a283-d9a6aa909a40400Giraldo Trujillo, Luis Felipe2022-02-22T19:57:18Z2022-02-22T19:57:18Z2021http://hdl.handle.net/1992/5536125520.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/La retinopatía diabética es una de las principales causas de ceguera en el mundo. Esta se debe al incremento de la concentración de glucosa en la sangre lo cual deriva en anormalidades en la retina. Una de las dificultades a la hora de tratarla es que los pacientes perciben pocos síntomas durante las primeras etapas. Así mismo, otras limitantes para la detección son la necesidad de personal calificado y la alta complejidad y altos costos asociadas a las metodologías de diagnóstico. Por estas razones, en los últimos años se han propuesto soluciones basadas en inteligencia artificial para asistir el diagnostico. Entre las técnicas propuestas están los Random Forest, SVM, Redes Convolucaionales Profundas o combinaciones de estas. Para este trabajo nos enfocaremos especialmente en técnicas basadas en Redes Convolucionales Profundas para la clasificación de retinopatía diabética por medio de imágenes de fondo de ojo. Los modelos entrenados tuvieron como arquitectura base a ResNet-34 y ResNet-50. Además, se utilizaron 4 preprocesamientos para las imágenes y 2 formas de regresión para realizar la clasificación. El mejor modelo obtuvo un puntaje F1 promedio de alrededor de 56% en el conjunto de prueba. Finalmente, se aplicó Metacost a 5 modelos para analizar los resultados en base a un esquema sensible a costosDiabetic retinopathy is one of the main causes of blindness in the world. This is due to the increase in the concentration of glucose in the blood which leads to abnormalities in the retina. One of the difficulties when it comes to treatment is that patients perceive few symptoms during the first stages. Likewise, other limitations to detection are the need for qualified staff and high complexity and high costs associated with diagnostic methodologies. For these reasons, in recent years solutions have been proposed based on artificial intelligence to assist diagnostics. Between the techniques proposed are the Random Forest, SVM, Deep Convolutional Neural Netowrks or combinations of these. For this work we will focus especially on techniques based on Deep Convolutional Neural Netowrks for the classification of diabetic retinopathy by means of images of the background of the eye. The trained models had ResNet-34 or ResNet-50 as their base architecture. Aditionally, 4 preprocesses were used for the images and 2 forms of regression to perform the classification. The best model got an average F1 score of around 56% in the test set. Finally, Metacost was applied to 5 models to analyse the results based in a cost-sensitive scenario.Ingeniero ElectrónicoPregrado11 páginasapplication/pdfspaUniversidad de los AndesIngeniería ElectrónicaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y ElectrónicaMétodo basado en redes convolucionales profundas para la clasificación de retinopatía diabéticaTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPRetinopatía diabéticaRedes convolucionalesClasificación ordinalReducción de ruido por promedio no localMetacostTransformada circular de HoughIngeniería201632249Publicationedd81d8c-e0b9-4c1f-bf04-eed0e12e755dvirtual::1968-1edd81d8c-e0b9-4c1f-bf04-eed0e12e755dvirtual::1968-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000025550virtual::1968-1THUMBNAIL25520.pdf.jpg25520.pdf.jpgIM Thumbnailimage/jpeg24810https://repositorio.uniandes.edu.co/bitstreams/4cf3cf07-50b7-40af-9da1-c9556501ddc4/downloadc71205c558a97966a0655164b3034210MD53TEXT25520.pdf.txt25520.pdf.txtExtracted texttext/plain43243https://repositorio.uniandes.edu.co/bitstreams/ed1c766b-1555-46fe-89f1-20d99e7777c7/download79babfd88c253b80f623ef29330e6063MD52ORIGINAL25520.pdfapplication/pdf8590542https://repositorio.uniandes.edu.co/bitstreams/4c42a23b-9734-4960-abf1-52ace1d9eb19/downloadb25c057970eff7d6ff65f89ef7d96dbeMD511992/55361oai:repositorio.uniandes.edu.co:1992/553612024-03-13 12:05:38.13https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |