Revista de Investigación y Desarrollo
Acceso abierto

abstracto

Diagnóstico de la retinopatía diabética mediante el aprendizaje automático

Swati Gupta y Karandikar AM

La retinopatía diabética es la enfermedad ocular diabética más común y una de las principales causas de ceguera. La detección regular para la detección temprana de enfermedades ha sido una tarea que requiere mucho trabajo y recursos. De ahí que la detección automática de estas enfermedades mediante técnicas computacionales sería un gran remedio. Hay muchas características presentes en la retina, como exudados y microaneurismas. La presencia de microaneurismas (MA, por sus siglas en inglés) suele ser un signo temprano de retinopatía diabética y su detección automática a partir de imágenes retinales en color es un trabajo algo difícil, por lo que estamos utilizando imágenes verdes de Chanel. El objetivo del proyecto es detectar microaneurismas y exudados retinianos para el cribado automático de RD mediante clasificador. Para desarrollar un sistema automatizado de detección de DR, se necesita la detección de lesiones oscuras y lesiones brillantes en fotografías de fondos digitales. Para detectar microaneurismas retinianos y exudados, las imágenes de los fondos retinianos se toman del conjunto de datos de Messidor. Después del procesamiento previo, se realizan operaciones morfológicas para encontrar la característica y luego se extraen características como GLCM y Splat para la clasificación. En esto logramos la sensibilidad y especificidad del 87% y 100% respectivamente con una precisión del 86%.