Derechos de autor 2025 Documentos de Trabajo ECBTI
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Detección automática de retinopatía diabética mediante un modelo de visión por computadora y aprendizaje profundo
La investigación se enfoca en la detección temprana y precisa de la retinopatía diabética utilizando técnicas avanzadas de inteligencia artificial y visión por computadora. Se emplean bases de datos públicas como DRIVE, STARE y KAGGLE, las cuales contienen imágenes de retinas de individuos sanos y con retinopatía diabética. El estudio aplica varias técnicas de visión por computadora, incluyendo la conversión a escala de grises, la binarización adaptativa, la detección de contornos y el resaltado de exudados.
Para la clasificación de imágenes retinianas, se desarrollaron modelos de redes neuronales convolucionales (CNN) utilizando la validación cruzada K-Fold. Se integró una red pre-entrenada, la VGG16, y se usaron técnicas de aumento de datos para optimizar la precisión de clasificación. La efectividad del algoritmo se evaluó y ajustó, y los resultados se analizaron para contribuir a la detección temprana y precisa de la enfermedad. El modelo demostró una precisión de validación del 90.91%, lo que indica su capacidad para generalizar correctamente a nuevos datos.
