Sistema para diagnosticar la catarata mediante el uso de redes neuronales convolucionales

• Autores: Ñuflo Gamarra, Isaac Elias, Mecca Paredes, Franco Samuel
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: UNMSM-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.unmsm.edu.pe:20.500.12672/18348
• Enlace del recurso: https://hdl.handle.net/20.500.12672/18348
• Nivel de acceso: acceso abierto
• Materia: Cataratas (Oftalmología) - Diagnóstico; Redes neuronales (Computación); Innovaciones en medicina; https://purl.org/pe-repo/ocde/ford#2.02.03

La catarata es una condición degenerativa del cristalino que se evidencia por el opacado de la visión. Este puede ser tratada en su edad temprana; sin embargo, en la mayoría de centros poblados no cuentan con los recursos económicos y médicos para poder realizar el diagnóstico necesario. Por este motivo, se propone una Aplicación Móvil que, a través del uso de la Inteligencia Artificial, diagnostique la presencia de catarata analizando imágenes de fondo usando una arquitectura de red neuronal convolucional (CNN), con el objetivo de brindar una solución confiable, accesible y portable, que beneficie a la comunidad médica. Así mismo, se consideran los resultados del estado del arte: Métodos (Automático y Manual), Características (Disco óptico y mácula, propiedades de la imagen, cristalino: núcleo y corteza, pupila, vasos sanguíneos), Clasificación (Grados, Ubicación y Congénita) y Obstáculos (Falta de recursos, falta de experiencia y demora en el diagnóstico). El sistema propuesto se realizó en 4 fases: Pre procesamiento de imágenes, Entrenamiento del modelo, Diseño del aplicativo móvil y Validación. Los resultados obtenidos demostraron que se puede diagnosticar la catarata con un 87% de precisión. Al integrarlo con una aplicación móvil permite que se puedan realizar estos diagnósticos de manera portable y de fácil acceso, especialmente en los lugares alejados la ciudad.