OPU-NET-DADENA: Conjunto optimizado de aprendizaje profundo con segmentación u-net para la detección temprana de...

Área de la Ciencia:

• Oftalmología
• Imágenes Médicas
• Inteligencia Artificial

Sus antecedentes:

• La retinopatía diabética (RD) es una complicación microvascular importante de la diabetes mellitus (DM), a menudo asintomática en las etapas tempranas.
• La RD daña los vasos sanguíneos de la retina, lo que puede provocar ceguera irreversible si no se detecta a tiempo.
• Los sistemas de diagnóstico temprano eficientes y precisos son cruciales para prevenir la pérdida de visión en pacientes diabéticos.

Objetivo del estudio:

• Proponer una metodología novedosa de aprendizaje profundo para la detección temprana de la retinopatía diabética (RD).
• Desarrollar un sistema eficiente que pueda identificar la RD en sus etapas incipientes, previniendo así el deterioro visual grave.

Principales métodos:

• Un enfoque de aprendizaje profundo que utiliza Deep Siamese DenseNet para la detección de RD.
• Preprocesamiento de imágenes con Ecualización Adaptativa de Histogramas con Limitación de Contraste (CLAHE) y segmentación utilizando U-NETs Optimizados.
• Extracción de características a través de EfficientNet de atención residual (RA-EfficientNet) y selección utilizando el Algoritmo de Búsqueda Reptile (RORS).
• Detección final empleando DarkNet, DenseNet 201 y NasNetMobile.

Principales resultados:

• El modelo de aprendizaje profundo propuesto logró una precisión del 99,33% y una precisión del 98,32%.
• Estos resultados superan significativamente los métodos anteriores que reportaban precisiones del 95-97% y precisiones del 94-96%.
• El modelo demostró un alto rendimiento en varias métricas de evaluación, incluyendo F-score, especificidad y sensibilidad.

Conclusiones:

• La metodología de aprendizaje profundo desarrollada ofrece una solución altamente efectiva y confiable para la detección temprana de la retinopatía diabética.
• Este sistema avanzado tiene el potencial de mejorar significativamente los resultados de los pacientes al permitir una intervención oportuna y prevenir la ceguera.
• El estudio destaca la eficacia de la integración de técnicas avanzadas de aprendizaje profundo para el diagnóstico de afecciones oculares complejas como la RD.