Evaluación de algoritmos para el procesamiento de imágenes usando aprendizaje profundo aplicada a la clasificación de enfermedades oculares

Abstract

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.