Detección y clasificación de Retinopatía Diabética no Proliferativa usando una Red Neuronal de Retropropagación

Autores/as

  • Alberto Jorge Rosales-Silva Instituto Politécnico Nacional https://orcid.org/0000-0001-8436-3025
  • Jesús Salvador Velázquez-González Instituto Politécnico Nacional
  • Francisco Javier Gallegos-Funes Instituto Politécnico Nacional https://orcid.org/0000-0002-4854-6438
  • Guadalupe de Jesús Guzmán-Bárcenas Instituto Politécnico Nacional

DOI:

https://doi.org/10.17533/udea.redin.18472

Palabras clave:

diagnóstico temprano, identificación automática, imágenes de fondo, retinopatía diabética

Resumen

Una  de  las  complicaciones  más  graves  de  la  Diabetes  Mellitus  tipo  2  es  la   Retinopatía Diabética (RD). La RD es una enfermedad silenciosa y solo es  reconocida  por  el  portador  cuándo  los  cambios  en  la  retina  han  progresado   a  un  nivel  en  el  cual  el  tratamiento  se  complica,  por  lo  que  el  diagnóstico oportuno y la remisión al oftalmólogo u optometrista para el manejo de esta  enfermedad pueden prevenir el 98% de la pérdida visual grave. El objetivo de  este trabajo es identificar de manera automática la No Retinopatía Diabética  (NRD)  y  la  Retinopatía  de  Fondo,  utilizando  imágenes  del  fondo  de  ojo.   Nuestros resultados muestran una efectividad del 92%, con una sensitividad  y especificidad del 95%.

|Resumen
= 85 veces | PDF (ENGLISH)
= 41 veces|

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Alberto Jorge Rosales-Silva, Instituto Politécnico Nacional

Escuela Superior de Ingeniería Mecánica y Eléctrica Unidad Zacatenco.

Jesús Salvador Velázquez-González, Instituto Politécnico Nacional

Escuela Superior de Ingeniería Mecánica y Eléctrica Unidad Zacatenco.

Francisco Javier Gallegos-Funes, Instituto Politécnico Nacional

Escuela Superior de Ingeniería Mecánica y Eléctrica Unidad Zacatenco.

Guadalupe de Jesús Guzmán-Bárcenas, Instituto Politécnico Nacional

Centro Interdisciplinario de Ciencias de la Salud Unidad Santo Tomas.

Citas

Organización Mundial de la Salud. Diabetes. Nota descriptiva N.° 312. Available on: http://www.who.int/mediacentre/factsheets/fs312/es/index.html Accessed: October 9, 2014.

R. Frank. “Diabetic Retinopathy”. The New England Journal of Medicine. Vol. 350. 2004. pp. 48-58. DOI: https://doi.org/10.1056/NEJMra021678

D. Fong, L. Aiello, T. Gardner, G. King, G. Blankenship, et al. “Retinopathy in Diabetes”. Diabetes Care. Vol. 27. 2004. pp. 584-587. DOI: https://doi.org/10.2337/diacare.27.2007.S84

D. Browning. Diabetic Retinopathy: Evidence Based Management. 1st ed. Ed. Springer. New York, USA. 2010. pp. 31-61. DOI: https://doi.org/10.3368/aoj.60.1.108

L. Verma, G. Prakash, H. Tewari. “Diabetic Retinopathy: Time for Action. No complacency please”. Articles from Bulletin of the World Health Organization. Vol. 80. 2002. pp. 419-420.

S. Le, E. Lee, R. Kingsley, Y. Wan, D. Russell, R. Klein, A. Warn. “Comparison of Diagnosis of Early Retinal Lesions of Diabetic Retinopathy Between a Computer System and Human Experts”. Arch. Ophthalmol. Vol. 119. 2001. pp. 509-515. DOI: https://doi.org/10.1001/archopht.119.4.509

M. El-Bab, N. Shawky, A. Al-Sisi, M. Akhtar. “Retinopathy and risk factors in diabetic patients from Al-Madinah Al-Munawarah in the Kingdom of Saudi Arabia”. Clinical Ophthalmology. Vol. 6. 2012. pp. 269-276. DOI: https://doi.org/10.2147/OPTH.S27363

A. Khurana. Comprehensive Ophthalmology. 4th ed. Ed. New Age International (P) Ltd., Publishers. New Delhi, India. 2007.

A. Fleming, S. Philip, K. Goatman, J. Olson, P. Sharp. “Automated microaneurysm detection using local contrast normalization and local vessel detection”. IEEE Transactions in Medical Imaging. Vol. 25. 2006. pp. 1223-1232. DOI: https://doi.org/10.1109/TMI.2006.879953

T. Walter, J. Klein, P. Massin, A. Erginay. “A contribution of image processing to the diagnosis of diabetic retinopathy - detection of exudates in color fundus images of the human retina”. IEEE Transactions on Medical Imaging. Vol. 21. 2002. pp. 1236-1243. DOI: https://doi.org/10.1109/TMI.2002.806290

M. Giger, N. Karssemeijer, S. Armato. “ComputerAided Diagnosis in Medical Imaging”. IEEE Trans. Med. Imag. Vol. 20. 2001. pp. 1205-1208. DOI: https://doi.org/10.1109/TMI.2001.974915

G. Gardner, D. Keating, T. Williamson, A. Elliot. “Automatic detection of diabetic retinopathy using an artificial neural network: a screening tool”. British Journal of Ophthalmology. Vol. 80. 1996. pp. 940-944. DOI: https://doi.org/10.1136/bjo.80.11.940

E. Chaum, T. Karnowski, V. Govindasamy, M. Abdelrahman, K. Tobin. “Automated Diagnosis of Retinopathy by content-based image retrieval”. The Journal of Retinal and Vitreous Diseases. Vol. 28. 2008. pp. 1463-1477. DOI: https://doi.org/10.1097/IAE.0b013e31818356dd

J. Anitha, D. Selvathi, D. Hemanth. Neural Computing Based Abnormality Detection in Retinal Optical Images. Proceedings of the IEEE International Advance Computing Conference (IACC). Patiala, India, 2009. pp. 630-635. DOI: https://doi.org/10.1109/IADCC.2009.4809085

N. Singh, R. Chandra. “Automated Early Detection of Diabetic Retinopathy Using Image Analysis Techniques”. International Journal of Computer Applications. Vol. 8. 2010. pp. 18- 23. DOI: https://doi.org/10.5120/1186-1648

D. Selvathi, N. Prakash, N. Balagopal. “Automated Detection of Diabetic Retinopathy for Early Diagnosis using Feature Extraction and Support Vector Machine”. International Journal of Emerging Technology and Advanced Engineering. Vol. 2. 2013. pp. 103-108.

R. Radha, B. Lakshman. “Retinal Image Analysis Using Morphological Process and Clustering Technique”. Signal and Image Processing: An International Journal (SIPIJ). Vol. 4. 2013. pp. 55-69. DOI: https://doi.org/10.5121/sipij.2013.4605

C. Stellingwerf, P. Hardus, J. Hooymans. “Assessing Diabetic Retinopathy using two-field digital photography and the influence of JPEG-compression”. Documenta Ophthalmologia. Vol. 108. 2004. pp. 203- 209. DOI: https://doi.org/10.1007/s10633-004-5733-2

MESSIDOR, TECHNO-VISION. MESSIDOR: methods to evaluate segmentation and indexing techniques in the field of retinal ophthalmology. 2014. Available on: http://messidor.crihan.fr/index-en.php Accessed: October 9, 2014.

R. Gonzalez, R. Woods, S. Eddins. Digital Image Processing using MATLAB. 1st ed. Ed. Gatesmark Publishing. Knoxville, USA. 2009. pp. 334-358.

P. Qiu. Image Processing and Jump Regression Analysis. 1st ed. Ed. John Wiley & Sons, Inc. New Jersey, USA. 2005. pp. 2-205. DOI: https://doi.org/10.1002/0471733156

J. Nayak, P. Bhat, R. Acharya, C. Lim, M. Kagathi. “Automated Identification of Diabetic Retinopathy Stages Using Digital Fundus Images”. J. Med. Syst. Vol. 32. 2008. pp. 107-115. DOI: https://doi.org/10.1007/s10916-007-9113-9

N. Otsu. “A Threshold Selection Method from GrayLevel Histograms”. IEEE Transactions on Systems, Man and Cybernetics. Vol. 9. 1979. pp. 62-66. DOI: https://doi.org/10.1109/TSMC.1979.4310076

F. Cui, L. Zou, B. Song. Edge Feature Extraction Based on Digital Image Processing Techniques. Proceedings of the IEEE Int. Conference on Automation and Logistics. Qingdao, China. 2008. pp. 2320-2324.

J. Canny. “A Computational Approach to Edge Detection”. IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol. 8. 1986. pp. 679-698. DOI: https://doi.org/10.1109/TPAMI.1986.4767851

L. Boroczky, P. Cremonesi, N. Scarabottolo. Texture Analysis for Image Processing on General-Purpose Parallel Machines. Proceedings of the International Symposium on Parallel Architectures, Algorithms and Networks. Budapest, Hungary. 1994. pp. 17-24.

Centre for Innovation in Mathematics Teaching (CIMT). Analysis of variance (Anova). Available on: http://www.cimt.plymouth.ac.uk/projects/mepres/alevel/fstats_ch7.pdf, Accessed: November 9, 2014.

A. Akobeng. “Understanding diagnostic test 1: sensitivity, specificity and predictive values”. Foundation Acta Pædiatrica/Acta Pædiatrica. Vol. 96. 2006. pp. 338-341. DOI: https://doi.org/10.1111/j.1651-2227.2006.00180.x

Descargas

Publicado

2015-02-18

Cómo citar

Rosales-Silva, A. J., Velázquez-González, J. S., Gallegos-Funes, F. J., & Guzmán-Bárcenas, G. de J. (2015). Detección y clasificación de Retinopatía Diabética no Proliferativa usando una Red Neuronal de Retropropagación. Revista Facultad De Ingeniería Universidad De Antioquia, (74), 70–85. https://doi.org/10.17533/udea.redin.18472

Artículos similares

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 > >> 

También puede {advancedSearchLink} para este artículo.