Ítem
Acceso Abierto

Determinación de la concordancia del daño del nervio optico entre un Glaucomatologo y un algoritmo de aprendizaje


Archivos
Fecha
2021-02-09

Directores
Belalcazar Rey, Sandra
Rosenstiehl Colón, Shirley Margarita

ISSN de la revista
Título del volumen
Editor
Universidad del Rosario

Buscar en:

Métricas alternativas

Resumen
Propósito: Determinar la concordancia entre la interpretación de las fotos a color de polo posterior de un especialista en glaucoma y un algoritmo de aprendizaje no supervisado para determinar el daño del nervio óptico. Metodología: Se realizó un estudio de concordancia diagnóstica entre la interpretación de las fotos a color de polo posterior de un especialista en glaucoma y un algoritmo de aprendizaje no supervisado con respecto a la identificación del daño del nervio óptico según el sistema de clasificación de Armaly y usando el coeficiente de kappa de Cohen. Resultados: El algoritmo de aprendizaje no supervisado evaluó 689 fotos a color de polo posterior, clasificadas como con nervio óptico sano (sin daño) y con daño leve, moderado y severo. Posteriormente un clasificador K-means, agrupó las características extraídas en los cuatro grupos mencionados y se obtuvo un coeficiente kappa de Cohen de 0.037. Cuando se clasificaron las imágenes en dos grupos, sanos y con daño, se evidenció un estadístico kappa para la clasificación dicotómica de 0.03. Conclusión: El Algoritmo de aprendizaje no supervisado usado para la clasificación de daño del nervio óptico en fotos a color de polo posterior, mostró una mala concordancia con la realizada por el especialista en glaucoma según el sistema de clasificación de Armaly.
Abstract
Purpose: To determine the concordance between an Unsupervised Learning Algorithm and eye fundus color photos interpretation by a specialist for the identification of the optic disc damage. Methodology: A concordance study between an Unsupervised Learning Algorithm and a glaucoma specialist was made. The Cohen's kappa coefficient was calculated for identification of the optic disc damage in eye fundus color photos and were assessed according to Armaly´s cup/disc ratio classification. Results: The Unsupervised Learning Algorithm evaluated 689 color optic disc images classified as: healthy (no damage), mild, moderate and severe damage. A k-means classifier clustered the extracted features in four groups and obtained a Cohen's kappa coefficient of 0.037 While classifying the images in two groups: Healthy and with damage, we found a Cohen's kappa coefficient of 0.03. Conclusion: The Unsupervised Learning Algorithm for the classification of optic disc damage on color fundus photos showed a bad concordance with the one done by the glaucoma specialist, using Armaly`s cup/disc ratio classification.
Palabras clave
Uso de algoritmos de aprendizaje no supervisados en diagnostico medico , Diagnóstico del daño del nervio óptico , Tecnología médica , Interpretación de fotos a color de polo posterior en detección de daño óptico , Daño del nervio óptico según clasificación de Armaly
Keywords
Use of unsupervised learning algorithms in medical diagnosis , Diagnosis of optic disc damage , Medical technology , Interpretation of back pole color photos in detection of optical disc damage , Optic nerve damage according to Armaly classification
Buscar en:
Enlace a la fuente