Modelos de aprendizaje automático para la detección temprana de retinopatía diabética
Loading...
Date
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Esta tesis desarrolla modelos de aprendizaje automatizado para detectar retinopatía diabética de forma temprana a partir de electrorretinogramas, explorando dos técnicas: escalogramas clasificados con redes convolucionales y datos sintéticos evaluados con diversos algoritmos, donde el mejor resultado (ROC-AUC del 86%) se obtuvo con Bosques Aleatorios y datos aumentados, ofreciendo una alternativa más accesible que los métodos tradicionales basados en imágenes de fondo de retina.
Description
Esta tesis propone el desarrollo de modelos de aprendizaje automatizado y aprendizaje profundo para la detección temprana de retinopatía diabética, utilizando datos provenientes de estudios de electrorretinogramas como una alternativa menos invasiva y más accesible frente a los métodos convencionales basados en imágenes de fondo de retina. El trabajo aborda dos técnicas complementarias: la generación de escalogramas mediante transformadas wavelet para su clasificación con Redes Neuronales Convolucionales, y la generación de datos sintéticos para evaluar el desempeño de diversos algoritmos de clasificación, tanto tradicionales como de aprendizaje profundo, incluyendo procesos de optimización de hiperparámetros y extracción de características para cada enfoque.