Evaluación de algoritmos para el procesamiento de imágenes usando aprendizaje profundo aplicada a la clasificación de enfermedades oculares
Resumen
Las enfermedades oculares son una problemática que impacta la salud visual, pudiendo llevar
a la pérdida de la capacidad visual. Por ende, realizar una clasificación precisa y temprana
de estos trastornos mediante el análisis de imágenes se vuelve esencial. Este estudio se
concentra en la evaluación de algoritmos de aprendizaje profundo aplicados a la clasificación
de enfermedades oculares, empleando un dataset de imágenes de 3880 imágenes de fondo
de ojo de retina. Asimismo, se identificaron los algoritmos de aprendizaje profundo, como
VGG16, InceptionV3 y VGG19, mediante una revisión de la literatura. Posteriormente, se
implementó el desarrollo de estos algoritmos en el lenguaje Python, obteniendo resultados
para VGG16 un Accuracy del 93,17%, Precision del 93,15%, Recall del 93,17% y F-score del
93,15%. VGG19 alcanzó un Accuracy del 90,46%, Precision del 90,46%, Recall del 90,46%
y F-score del 90,44%, mientras que InceptionV3 obtuvo un Accuracy del 92,40%, Precision
del 92,67%, Recall del 92,40% y F-score del 92,41%.
Estos hallazgos destacan el potencial de VGG16 en la clasificación efectiva de enfermedades
oculares en imágenes de fondo de ojo de retina.
Materias
Colecciones
El ítem tiene asociados los siguientes ficheros de licencia: