Optimizar el cuidado de la visión: modelo de red de vías duales en la clasificación de enfermedades oculares

Área de la Ciencia:

• Oftalmología
• Imágenes médicas
• Inteligencia artificial

Sus antecedentes:

• El aumento mundial de las enfermedades oculares requiere herramientas de diagnóstico avanzadas.
• La detección temprana de enfermedades como la catarata, el glaucoma y la retinopatía diabética es vital para prevenir la pérdida de la visión.
• Los métodos de diagnóstico actuales requieren una mejora de la eficiencia y la precisión.

Objetivo del estudio:

• Desarrollar y evaluar un modelo innovador de IA para la clasificación automatizada de enfermedades oculares.
• Aprovechar la red de doble vía (DPN) para mejorar la extracción de características de las imágenes de la retina.
• Mejorar la precisión y eficiencia de la detección temprana de enfermedades oculares.

Principales métodos:

• Utilizó un conjunto de datos de imágenes de la retina de Kaggle, categorizadas en normal, retinopatía diabética, cataratas y glaucoma.
• Implementó un modelo de red de doble vía (DPN) para la captura simultánea de características de imagen globales y locales.
• Evaluación del rendimiento del modelo utilizando métricas de clasificación estándar.

Principales resultados:

• El modelo DPN logró una precisión de clasificación del 95,32%.
• El modelo demostró una gran capacidad para reducir los falsos positivos e identificar con precisión los casos positivos.
• El enfoque demostró ser eficaz en la extracción integral de información de las imágenes de la retina.

Conclusiones:

• El modelo DPN propuesto es una herramienta eficaz para la clasificación precisa de las enfermedades oculares.
• Este enfoque impulsado por la IA muestra un potencial significativo para la detección temprana y el diagnóstico de las principales afecciones oculares.
• El modelo puede ayudar a los profesionales de la salud a tomar decisiones informadas, mejorar los resultados de los pacientes y reducir la carga de las enfermedades oculares.