Trabajo de grado - Pregrado
Creación de una herramienta para el diagnóstico de retinopatía diabética con técnicas de aprendizaje profundo
Fecha
2020Registro en:
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
Autor
Restom Viera, José Renato
Institución
Resumen
Deep learning techniques have had a stellar reception by the scientific community in the last decade, this, therefore, their predictive powers have been triggered by the exponential growth in computing capacity (computational power) and the massive access to large volumes of data. Thus, one of the areas where deep learning has had a greater impact is computer vision, which consists of making use of algorithms that allow recognition and classification of images and video, without the need for human intervention. Diabetic retinopathy (DR) is one of the main microvascular complications of type 1 and type 2 diabetes. In adults aged 20 to 74 years, it is the most common cause of blindness in developed countries. The prevalence of DR is strongly related to the duration of diabetes, glycemic controls, and risk factors such as chronic hyperglycemia, dyslipidemia, and hypertension. Thus, it is in our interest to make use of deep learning techniques to create a tool that allows, effectively and reliably, to make diagnoses of diabetic retinopathy autonomously (without the intervention of a specialist). In this way, it is expected to ease the burden on the Colombian health system, as well as to reduce the time for diagnosis, which is one of the crucial points to achieve effective treatment against this pathology. Las técnicas de aprendizaje profundo han tenido una acogida estelar por parte de la comunidad científica en la última década, esto, por tanto sus facultades predictivas se han visto disparadas por el exponencial crecimiento en la capacidad de cómputo (poder computacional) y el acceso masivo a grandes volúmenes de datos. Es así como, una de las áreas donde el Deep learning ha tenido un mayor impacto es la visión por computador, que consiste en hacer uso de algoritmos que permitan hacer reconocimiento y clasificación de imágenes y video, sin necesidad de la intervención humana. La retinopatía diabética (RD) es una de las principales complicaciones microvasculares de la diabetes tipo 1 y tipo 2. En los adultos de 20 a 74 años, es la causa más frecuente de ceguera en los países desarrollados. La prevalencia de RD está fuertemente relacionada con la duración de la diabetes, los controles glucémicos y los factores de riesgo como la hiperglucemia crónica, la dislipidemia y la hipertensión. Siendo así, es de nuestro interés hacer uso de las técnicas de aprendizaje profundo para crear una herramienta que permita, de manera eficaz y fiable, realizar diagnósticos de retinopatía diabética de forma autónoma (sin intervención de un especialista). De esta manera, se espera alivianar la carga del sistema de salud colombiano, así como reducir el tiempo de diagnóstico, el cual es uno de los puntos cruciales para lograr un tratamiento efectivo contra esta patología.