Por favor, use este identificador para citar o enlazar este ítem:
https://rinacional.tecnm.mx/jspui/handle/TecNM/11107| Título : | CLASIFICACIÓN DEL GRADO DE RETINOPATÍA DIABÉTICA CON APRENDIZAJE AUTOMÁTICO |
| Autor : | SALAZAR ALVAREZ, ANGEL |
| metadata.dc.subject.other: | Retinopatía Diabética, extracción de características, LBP, GLCM, Den seNet121, Ademxapp Model A, RGB, LAB, YCbCr |
| Fecha de publicación : | 2024-08-01 |
| Editorial : | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Instituto Tecnológico Superior de Misantla |
| Descripción : | La retinopatía diabética (DR) es una complicación microvascular de la diabetes melli tus, que afecta la retina y puede llevar a la ceguera si no se detecta y es tratada a tiempo. Con el creciente número de pacientes diabéticos a nivel mundial, la detección temprana y precisa de DR se ha convertido en una prioridad crítico en la salud pública. Las tecnologías de imagen modernas y los algoritmos de aprendizaje automático han abierto nuevas posibilidades para el diagnóstico automatizado y la evaluación del grado de severidad de DR. En esta investigación, nos enfocamos en comparar diferentes métodos de extracción de características y técnicas para la detección y clasificación de DR. Utilizando el dataset APTOS 2019 Blindness Detection, el cual incluye imágenes de retina con diversas condiciones y clasificaciones de DR en cinco etapas de severidad, evaluamos la eficacia y eficiencia de los métodos basados en análisis de textura (LBP y GLCM) y los basados en redes neuronales profundas DenseNet 121 y Ademxapp Model A). El análisis se realiza en dos enfoques de clasificación: binaria y multiclase. La clasificación binaria distingue entre la presencia y ausencia de DR, mientras que la clasificación multiclase identifica los diferentes grados de severidad de la enfermedad. Además, evaluamos la influencia de diferentes espacios de color (RGB, LAB, YCbCr) y técnicas de mejora de imagen en la extracción de características y el rendimiento de los clasificadores. |
| metadata.dc.type: | info:eu-repo/semantics/masterThesis |
| Aparece en las colecciones: | Maestria en sistemas computacionales |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| ANGEL SALAZAR ALVAREZ.pdf Until 4024-09-08 | 167.39 kB | Adobe PDF | Visualizar/Abrir Request a copy | |
| Tesis_MSC_Angel_Salazar (1).pdf | 15.82 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está protegido por copyright original |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
