Revisión de técnicas de Deep Learning y Machine Learning para la detección y localización de micro aneurismas, exudados y hemorragias en imágenes de fondo de ojo

Abstract

La pérdida de la visión ha sido uno de los casos más desafortunados de pérdida de los sentidos. Es sabido que la perdida de la visión disminuye considerablemente la calidad de vida de una persona, sin importar la edad. De acuerdo con la OMS, el deterioro de la visión impacta negativamente a niños pequeños en etapa escolar, dado que afecta en gran medida su etapa de desarrollo; en cuanto a los adultos, el deterioro de la visión se ve reflejado a partir de las tasas de participación en el mercado laboral y de productividad de esta población, no obstante, suele ser más baja. Una de las causas de la pérdida de la visión es la retinopatía diabética, que consiste en una enfermedad ocular producto de la diabetes mellitus por un prolongado periodo de tiempo que causa la pérdida parcial o total de la visión. En ese orden de ideas, el objetivo de la presente investigación consiste en recopilar y analizar los diferentes estudios sobre el tema en cuestión; tal información fue tomada de diversas bases de datos especializadas, teniendo en cuenta una clasificación de los cuartiles Q1 y Q2, y cuyo factor de impacto estuvo por encima 2,5 para su selección. Estos en torno a la detección y localización de las tres más importantes anomalías que hacen presencia en personas que sufren de RD, estas son micro aneurismas, exudados y hemorragias. Para ello se necesitaron imágenes de fondo de ojo de pacientes que padecen o están propensos a padecer retinopatía diabética, haciendo uso de algoritmos con técnicas de deep learning y machine. Dichos algoritmos estuvieron guiados por métricas tales como exactitud, sensibilidad y especificad con el fin de medir la eficiencia de algoritmo desarrollado.