Ítem
Acceso Abierto

Estructuración de un método para la detección de glaucoma mediante reconocimiento de imágenes usando inteligencia artificial

Mostrar el registro sencillo de la publicación
dc.contributor.advisorSarmiento, Jefferson
dc.creatorFierro Castro, Pierina Alexandra
dc.creator.degreeIngeniero Biomédicospa
dc.creator.degreetypeFull timespa
dc.date.accessioned2020-03-16T15:28:04Z
dc.date.available2020-03-16T15:28:04Z
dc.date.created2019
dc.descriptionEn este trabajo se muestra la forma en que los oftalmólogos diagnostican si un paciente presenta o no glaucoma utilizando equipos biomédicos no invasivos que brindan información útil al respecto. Se hizo una lista de las ventajas y desventajas que ofrecen cada una de las técnicas oftalmológicas encontradas, donde finalmente, se escogió la toma de fotografías de fondo de ojo como el examen con mayor cantidad de virtudes de acuerdo con el objetivo de este proyecto.spa
dc.description.abstractThis work shows how ophthalmologists diagnose whether or not a patient has glaucoma using non-invasive biomedical equipment that provides useful information in this regard. A list of the advantages and disadvantages offered by each of the ophthalmological techniques found was made, where finally, the taking of fundus photographs was chosen as the examination with the greatest number of virtues according to the objective of this project.spa
dc.format.mimetypeapplication/pdf
dc.identifier.doihttps://doi.org/10.48713/10336_21008
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/21008
dc.language.isospaspa
dc.publisherUniversidad del Rosariospa
dc.publisher.departmentEscuela de Medicina y Ciencias de la Saludspa
dc.publisher.programIngeniería Biomédicaspa
dc.rightsAtribución-NoComercial-CompartirIgual 2.5 Colombiaspa
dc.rights.accesRightsinfo:eu-repo/semantics/openAccess
dc.rights.accesoAbierto (Texto Completo)spa
dc.rights.licenciaEL AUTOR, manifiesta que la obra objeto de la presente autorización es original y la realizó sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de exclusiva autoría y tiene la titularidad sobre la misma.spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/2.5/co/
dc.source.bibliographicCitationIBM - Archives - History of IBM - United States, Ibm.com, 2019. [Online]. Available: https://www.ibm.com/ibm/history/history/history_intro.html. [Accessed: 16- Oct- 2019].spa
dc.source.bibliographicCitationHealthcare chronology, Ibm.com, 2019. [Online]. Available: https://www.ibm.com/ibm/history/exhibits/healthcare/healthcare_ch1.html. [Accessed: 16- Oct- 2019].spa
dc.source.bibliographicCitationN. Congdon, B. O’Colmain, C. Klaver, “Causes and prevalence of visual impairment among adults in the United States”, WHO World Health Organization, 2004.spa
dc.source.bibliographicCitationE. Perez and L. Leon, "La fotografía de fondo de ojo como método de diagnóstico en el glaucoma", Medicentro Electrónica, Santa Clara, vol. 21, pp. 3- 10, 2017.spa
dc.source.bibliographicCitationJ. Rios Zuluaga, L. Bettin Torres, S. Naranjo Salazar, J. Suárez Garavito and C. De Vivero Arciniegas, "Pautas para el examen oftalmológico. Enfoque para el estudiante de medicina y el médico general", Universitas Médica, vol. 58, no. 2, 2017.spa
dc.source.bibliographicCitationBalle, "¿QUÉ ES Y CÓMO SE TRATA EL GLAUCOMA?", Excimer Láser - Oftalmología láser en Palma de Mallorca, 2018. [Online]. Available: https://excimerlaserpalma.com/que-es-y-como-se-trata-el-glaucoma-palma-mallorca/. [Accessed: 22- Oct- 2019].spa
dc.source.bibliographicCitationA. Espinosa Castañeda, V. Peña Martínez and M. Carrizosa, "Descripción y análisis de las tecnologías diagnósticas OCT, HRT y GDx en glaucoma: un enfoque para la optometría clínica", Ciencia & Tecnología para la Salud Visual y Ocular, vol. 12, no. 2, p. 87, 2015.spa
dc.source.bibliographicCitationK. Townsend et al., "Heidelberg Retina Tomograph 3 machine learning classifiers for glaucoma detection", British Journal of Ophthalmology, vol. 92, no. 6, pp. 814-818, 2008.spa
dc.source.bibliographicCitationJ. Maslin, K. Mansouri and S. Dorairaj, "HRT for the Diagnosis and Detection of Glaucoma Progression", The Open Ophthalmology Journal, vol. 9, no. 1, pp. 58-67, 2015.spa
dc.source.bibliographicCitationCentro de Diagnósticos Oftalmológicos | Tomografía Hrt de Glaucoma, Cdosa.cl, 2019. [Online]. Available: http://www.cdosa.cl/w/examenes/hrt-topografia-computarizada-de-papila/. [Accessed: 2- Nov- 2019].spa
dc.source.bibliographicCitationC. García, F. Lugo, M. León, S. Ligero, J. Ruiz and J. Moreno, “Tomografía de Coherencia Óptica (OCT) Funcionamiento y utilidad en patología macular (I)”. Gaceta Óptica, pp. 12-14.spa
dc.source.bibliographicCitationF. Gutiérrez Ruiz, "EVALUACIÓN DE LA FUNCIÓN VISUAL EN LOS PACIENTES CON FIBROMIALGIA - PDF", Docplayer.es, 2019. [Online]. Available: https://docplayer.es/43537716-Evaluacion-de-la-funcion-visual-en-los-pacientes-con-fibromialgia.html, [Accessed: 2- Nov-2019].spa
dc.source.bibliographicCitationA. Fernández, “Técnica de exploración del fondo de ojo”. Zaragoza: Universidad de Zaragoza, pp. 29-33.spa
dc.source.bibliographicCitation«Optometría Ilarduya,» Óptica Ilarte, 2018. [En línea]. Available: http://optometriailarduya.com/retinografo-fondo-de-ojo/. [Último acceso: 2 11 2019].spa
dc.source.bibliographicCitationL. Herguedas, “Guía práctica clínica para la realización de una retinografía”. Valladolid, Universidad de Valladolid, 2018, pp. 7-8.spa
dc.source.bibliographicCitationGupta, N., Aung, T., Congdon, N., Lerner, F., Olawoye, S., Resnikoff, S., Wang, N. and Wormald, R., Guías del Consejo Internacional de Oftalmología (ICO) para el Glaucoma, 2015.spa
dc.source.bibliographicCitationInstituto Gabriel Simón, (2019). GLAUCOMA. [online] Available at: https://www.iogs.es/glaucoma-5/ [Accessed 2 Nov. 2019].spa
dc.source.bibliographicCitationBetancourt, G. LAS MÁQUINAS DE SOPORTE VECTORIAL (SVMs), vol. 1 no. 27, abril 2005.spa
dc.source.bibliographicCitationNumerentur.org. (2018). Máquina de Soporte Vectorial SVM. [online] Available at: http://numerentur.org/svm/ [Accessed 2 Nov. 2019].spa
dc.source.bibliographicCitationD. Polo, L. Pedraza, E. Martinez, “Comparison of Neural Network applied to prediction of times Series”, Prospect, vol. 13, no. 02, pp. 88-95, 2015.spa
dc.source.bibliographicCitationMuñoz, E., Cedeño, F., Ruiz, S. and Cruz, J. “Aplicación de redes neuronales para predecir el éxito de la compra de deuda a una entidad financiera”. Revista Espacios, vol. 40, no. 20, pp.6-25, 2019.spa
dc.source.bibliographicCitationContreras, S. and De la Rosa, F. (2016). Aplicación de deep learning en robótica móvil para exploración y reconocimiento de objetos basados en imágenes. 2016 IEEE 11th Colombian Computing Conference (CCC).spa
dc.source.bibliographicCitationCalvo, D., Campos, F., Rodriguez, Y. and Atienza, A. (2017). Red Neuronal Convolucional CNN - Diego Calvo. [online] Diego Calvo. Available at: http://www.diegocalvo.es/red-neuronal-convolucional/ [Accessed 2 Nov. 2019].spa
dc.source.bibliographicCitationO. Contreras, "Desarrollo de una red neuronal convolucional para el procesamiento de imágenes placentarias", Pregrado, Universidad Nacional Autónoma de México, 2018.spa
dc.source.bibliographicCitationH. Ide and T. Kurita, "Improvement of learning for CNN with ReLU activation by sparse regularization", 2017 International Joint Conference on Neural Networks (IJCNN), 2017.spa
dc.source.bibliographicCitationD. Kuželev, "Introducción al deep learning parte 2: Redes Neuronales Convolucionales", Medium, 2019. [Online]. 38 Available: https://medium.com/@jcrispis56/introducci%C3%B3n-al-deep-learning-parte-2-redes-neuronales-convolucionales-f743266d22a0, [Accessed: 03-Nov-2019].spa
dc.source.bibliographicCitationW. Rawat and Z. Wang, "Deep Convolutional Neural Networks for Image Classification: A Comprehensive Review", Neural Computation, vol. 29, no. 9, pp. 2352-2449, 2017.spa
dc.source.bibliographicCitation«Vinoj Jayasundara, Sandaru Jayasekara, Hirunima Jayasekara, Jathushan Rajasegaran, Suranga Seneviratne, Ranga Rodrigo, "TextCaps: Handwritten Character Recognition With Very Small Datasets", Applications of Computer Vision (WACV),» 2019 IEEE Winter Conference on, pp. 254-262, 2019.spa
dc.source.bibliographicCitationO. E. Contreras, «Desarrollo de una red neuronal convolucional para el procesamiento de imágenes placentarias,» Universidad Nacional Autónoma de México, pp. 15-38, 2018.spa
dc.source.bibliographicCitationP. Gleeson, "Which languages should you learn for data science?", Revolut, Agosto 2017.spa
dc.source.bibliographicCitationCass, S., “The 2017 Top Programming Languages. IEEE Spectrum: Technology, Engineering, and Science News”, IEEE, September 2017.spa
dc.source.bibliographicCitationL. Rampasek and A. Goldenberg, "TensorFlow: Biology’s Gateway to Deep Learning?", Cell Systems, vol. 2, no. 1, pp. 12-14, 2016.spa
dc.source.bibliographicCitationA. Gulli and S. Pal, Deep Learning with Keras. Birmingham, 2017, pp. 59 - 62.spa
dc.source.bibliographicCitationpp. "Guide to the Functional API - Keras Documentation", Keras.io, 2019. [Online]. Available: https://keras.io/getting-started/functional-api-guide/. [Accessed: 03- Nov- 2019].spa
dc.source.bibliographicCitationA. Almazroa et al., "Retinal fundus images for glaucoma analysis: the RIGA dataset", Medical Imaging 2018: Imaging Informatics for Healthcare, Research, and Applications, 2018.spa
dc.source.bibliographicCitationF. Fumero, S. Alayon, J. Sanchez, J. Sigut and M. Gonzalez-Hernandez, "RIM-ONE: An open retinal image database for optic nerve evaluation", 2011 24th International Symposium on Computer-Based Medical Systems (CBMS), 2011.spa
dc.source.bibliographicCitationV. Bhaip, «GitHub,» 2018. [En línea]. Available: https://github.com/vbhaip/glaucoma-cnn. [Último acceso: 3 November 2019].spa
dc.source.bibliographicCitationGuide to the Functional API - Keras Documentation, Keras.io, 2019. [Online]. Available: https://keras.io/getting-started/functional-api-guide/. [Accessed: 03- Nov- 2019].spa
dc.source.bibliographicCitationA. Almazroa et al., "Retinal fundus images for glaucoma analysis: the RIGA dataset", Medical Imaging 2018: Imaging Informatics for Healthcare, Research, and Applications, 2018.spa
dc.source.instnameinstname:Universidad del Rosariospa
dc.source.instnameinstname:Universidad del Rosariospa
dc.source.reponamereponame:Repositorio Institucional EdocUR
dc.subjectGlaucomaspa
dc.subjectInteligencia artificialspa
dc.subjectImágenes tomográficasspa
dc.subject.ddcOtras ramas de la ingenieríaspa
dc.subject.ddcSistemasspa
dc.subject.ddcCiencias médicas, Medicinaspa
dc.subject.keywordGlaucomaspa
dc.subject.keywordArtificial intelligencespa
dc.subject.keywordTomographic imagesspa
dc.subject.lembGlaucoma - Diagnostico por imágenesspa
dc.subject.lembInteligencia artificial para el diagnostico medicospa
dc.subject.lembTecnología medicaspa
dc.titleEstructuración de un método para la detección de glaucoma mediante reconocimiento de imágenes usando inteligencia artificialspa
dc.title.TranslatedTitleStructuring a method for detecting glaucoma by image recognition using artificial intelligenceeng
dc.typebachelorThesiseng
dc.type.documentAnálisis de casospa
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersion
dc.type.spaTrabajo de gradospa
local.department.reportEscuela de Medicina y Ciencias de la Saludspa
Archivos
Bloque original
Mostrando1 - 2 de 2
Miniatura
Nombre:
Proyecto_Pierina_Alexandra_Fierro_Castro.pdf
Tamaño:
2.14 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Miniatura
Nombre:
Proyecto_Pierina_Alexandra_Fierro_Castro-Consentimiento.pdf
Tamaño:
29.6 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Pregrado en Ingeniería Biomédica