Retinal reader for the early diagnosis of ocular diseases using image analysis / Bryan Stalin Herrera Romero ; tutor Graciela Marisa Salum
Tipo de material:
TextoIdioma: Inglés Idioma del resumen: Español Fecha de copyright: Urcuquí, 2020Descripción: 101 hojas : ilustraciones (algunas a color) ; 30 cm + 1 CD-ROMTema(s): Recursos en línea: Nota de disertación: Trabajo de integración curricular (Ingeniero/a Biomédico/a). Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2020 Resumen: En Ecuador, la diabetes es una de las enfermedades más notorias, posicionándose como la segunda causa de muerte (solo después de las cardiopatías isquémicas) con prevalencia en la población de 10 a 59 años. Uno de cada 10 ecuatorianos mayores de 50 años padece de diabetes y aproximadamente el 30% de estas desarrolla complicaciones visuales. La retinopatía diabética es responsable del 10% de nuevos casos de ceguera cada año. Sin embargo, un diagnóstico precoz de esta patología puede ayudar a ofrecer un tratamiento adecuado y oportuno. El fondo de ojo es un lugar rico en información para el diagnóstico de varias enfermedades oculares. Tener acceso a instrumentación oftálmica capaz de capturar y analizar imágenes del fondo de ojo podría prevenir la pérdida severa de la visión o ceguera mediante un diagnóstico temprano adecuado. Este trabajo de investigación se centra en el diseño y evaluación de una cámara de fondo de ojo portátil, económica y no midriática basada en Raspberry Pi, con el fin de detectar la retina. El prototipo se implementó de acuerdo a ciertas normas ISO. Además, en este trabajo se desarrollaron dos sistemas para la detección de retinopatía diabética en dos lenguajes de programación: MATLAB y Python. El primero se centra en el pre-procesamiento, segmentación, extracción de características y el análisis de la patología identificada, mientras que el segundo se centra en la extracción de características de una imagen digital para crear una clasificación multiclase con la finalidad de detectar la presencia o ausencia de retinopatía diabética mediante el uso de redes neuronales convolucionales. Finalmente, se considera que los resultados obtenidos se pueden mejorar en trabajos futuros, tanto para el prototipo de cámara no midriática como para el software desarrollado.
| Tipo de ítem | Biblioteca actual | Signatura | Copia número | Estado | Fecha de vencimiento | Código de barras | Reserva de ítems | |
|---|---|---|---|---|---|---|---|---|
Tesis
|
Biblioteca Yachay Tech | ECBI0056 (Navegar estantería(Abre debajo)) | 1 | No para préstamo | T000292 |
Trabajo de integración curricular (Ingeniero/a Biomédico/a). Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2020
Incluye referencias bibliográficas (páginas 69-79)
Trabajo de integración curricular con acceso abierto
Texto (Hypertexto links)
En Ecuador, la diabetes es una de las enfermedades más notorias, posicionándose como la segunda causa de muerte (solo después de las cardiopatías isquémicas) con prevalencia en la población de 10 a 59 años. Uno de cada 10 ecuatorianos mayores de 50 años padece de diabetes y aproximadamente el 30% de estas desarrolla complicaciones visuales. La retinopatía diabética es responsable del 10% de nuevos casos de ceguera cada año. Sin embargo, un diagnóstico precoz de esta patología puede ayudar a ofrecer un tratamiento adecuado y oportuno. El fondo de ojo es un lugar rico en información para el diagnóstico de varias enfermedades oculares. Tener acceso a instrumentación oftálmica capaz de capturar y analizar imágenes del fondo de ojo podría prevenir la pérdida severa de la visión o ceguera mediante un diagnóstico temprano adecuado. Este trabajo de investigación se centra en el diseño y evaluación de una cámara de fondo de ojo portátil, económica y no midriática basada en Raspberry Pi, con el fin de detectar la retina. El prototipo se implementó de acuerdo a ciertas normas ISO. Además, en este trabajo se desarrollaron dos sistemas para la detección de retinopatía diabética en dos lenguajes de programación: MATLAB y Python. El primero se centra en el pre-procesamiento, segmentación, extracción de características y el análisis de la patología identificada, mientras que el segundo se centra en la extracción de características de una imagen digital para crear una clasificación multiclase con la finalidad de detectar la presencia o ausencia de retinopatía diabética mediante el uso de redes neuronales convolucionales. Finalmente, se considera que los resultados obtenidos se pueden mejorar en trabajos futuros, tanto para el prototipo de cámara no midriática como para el software desarrollado.
Textos en inglés con resúmenes en español e inglés
No hay comentarios en este titulo.