Mecanismos de Atención e Interpretabilidad en el Aprendizaje Automático para la Detección de Enfermedades Oculares a través del Uso de Tomografías
Cargando...
Fecha
2021-02-04
Autores
Director
Enlace al recurso
DOI
Google Scholar
gruplac
Descripción Dominio:
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Santo Tomás
Compartir
Cargando...
Resumen
El Deep learning o “aprendizaje profundo” vino para quedarse por mucho tiempo; es así que, en los últimos años producto del desarrollo de la inteligencia artificial, su actuar ha venido aplicándose en varias áreas del conocimiento principalmente en las ciencias de la salud. Ante este fenómeno señalado, la medicina tradicionalmente ha venido desarrollando los diagnósticos de enfermedades como de traumatologías, incorporando el uso de rayos x, resonancias magnéticas y tomografías entre otras. En ese sentido, la ciencia
de la medicina ha venido implementando sistemas autónomos, los cuales, han venido a complementar la forma de analizar la información médica.
La ciencia médica hoy en día viene desarrollando en sus diferentes áreas del conocimiento la aplicación de la inteligencia artificial mediante el uso del deep learning, como es el caso de la oftalmología y de la optometría. De conformidad con lo explicitado, el trabajo propuesto tiene como objetivo principal: Encontrar la mejor arquitectura CNN “Convolutional neural network” que se adapte a un conjunto de datos que contiene tomografías oculares en la región de la retina, y que sea capaz de clasificar estos cuatro tipos de diagnóstico ocular: Normal, Drusen, CNV (Neurovascularización coroidea) y DME(Edema Macular diabético).
Abstract
Deep learning is here to stay for a long time; thus, in recent years, as a result of the development of artificial intelligence, it has been applied in several areas of knowledge, mainly in the health sciences. Faced with this phenomenon, medicine has traditionally been developing the diagnosis of diseases such as traumatology, incorporating the use of x-rays, magnetic resonance imaging and tomography, among others. In this sense, the science of medicine
has been implementing autonomous systems, which have come to complement the way of analyzing medical information.
Medical science today is developing in its different areas of knowledge the application of artificial intelligence through the use of deep learning, as is the case of ophthalmology and optometry. In accordance with the above, the main objective of the proposed work is: To find the best CNN architecture "Convolutional neural network" that adapts to a dataset containing ocular tomographies in the retina region, and that is able to classify these four types of ocular diagnosis: Normal, Drusen, CNV (Choroidal Neurovascularization) and DME (Diabetic Macular Edema).
Idioma
spa
Palabras clave
Citación
Alba Acosta, D. C. (2021). Mecanismos de Atención e Interpretabilidad en el Aprendizaje Automático para la Detección de Enfermedades Oculares a través del Uso de Tomografías. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.
Colecciones
Licencia Creative Commons
Atribución-NoComercial-SinDerivadas 2.5 Colombia