Detección basada en aprendizaje profundo de desprendimiento de retina con hemorragia vítrea en imágenes de...

Área de la Ciencia:

• Oftalmología Oftalmología.
• Imágenes médicas de imágenes médicas.
• La inteligencia artificial es inteligencia artificial.

Sus antecedentes:

• El desprendimiento de retina (RD) es una condición ocular crítica que causa pérdida de visión.
• El diagnóstico de RD es un desafío con la hemorragia vítrea (VH) que oscurece el fondo, incluso con ultrasonido.
• La ultrasonografía ocular es vital para visualizar las enfermedades oculares del segmento posterior.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje profundo para la detección de RD y VH.
• Para mejorar la precisión de la detección de RD en casos complicados por VH.
• Para crear una herramienta de diagnóstico de apoyo para los oftalmólogos utilizando imágenes de ultrasonido B-scan.

Principales métodos:

• Se utilizó una red neuronal convolucional (CNN) basada en la arquitectura YOLOv5.
• El modelo fue entrenado en 2.188 imágenes y validado en 1.042 imágenes.
• Se aplicaron técnicas de mejora de imagen, incluido el enmascaramiento no nítido (UM), para mejorar el rendimiento.

Principales resultados:

• El modelo de aprendizaje profundo logró altas precisiones de detección: 96.6% para RD, 99.2% para VH y 98.0% para RD con VH.
• La validación cruzada de cinco veces mejoró la robustez y la precisión del modelo.
• El algoritmo demostró una eficacia significativa en la identificación de RD y VH en la ecografía B-scan.

Conclusiones:

• El algoritmo de aprendizaje profundo desarrollado detecta con precisión RD y VH en imágenes de ultrasonido ocular.
• Esta herramienta de IA se muestra prometedora como una ayuda de diagnóstico de apoyo para RD, especialmente en presencia de VH.
• La tecnología podría mejorar la detección temprana y el manejo de enfermedades oculares graves, lo que podría prevenir la pérdida de visión.