000152740 001__ 152740
000152740 005__ 20250401114424.0
000152740 037__ $$aTAZ-TFG-2024-2483
000152740 041__ $$aspa
000152740 1001_ $$aViscasillas Almeida, Alba
000152740 24200 $$aIdentification of signs of macular retinal pathology using artificial intelligence
000152740 24500 $$aIdentificación de signos de patología retiniana macular mediante inteligencia artificial
000152740 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2024
000152740 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/
000152740 520__ $$aLa detección temprana de patologías retinianas es crucial para prevenir la ceguera y por ello, en este estudio, se busca desarrollar y entrenar una IA capaz de ayudar a la detección de signos de patología retiniana. Este estudio se ha dividido en varias frases, comenzando con la recopilación de imágenes de fondo de ojo, imágenes obtenidas mediante técnicas de diagnóstico por imagen, en concreto por OCT y retinografía. Los datos sistémicos y oculares de los pacientes y dos diagnósticos de cada imagen, el nuestro y otro realizado por un oftalmólogo. Todos estos datos se utilizaron como entradas para el entrenamiento de la IA. Se desarrollaron algoritmos de IA basada en RN en Python, usando la biblioteca Keras, para integrar y procesar los datos. El modelo tiene varias capas convolucionales y de MaxPooling para extraer características de las imágenes y evitar el sobreajuste, las capas densas con funciones de activación “relu” y “softmax” clasifican las patologías en las imágenes. El entrenamiento utilizó “categorical crossentropy” como función coste y RMSprop como optimizador, validando las predicciones con la métrica de precisión “accuracy”. Finalmente, la IA fue capaz de analizar imágenes nuevas de fondo de ojo con alteraciones y, en cada prueba, mejorar la detección de signos hasta con un 90% de aciertos en la última prueba. Los resultados indicaron que el modelo creado tiene un buen rendimiento en la detección de signos patológicos retinianos, aunque se requiere más tiempo e investigación para mejorar la precisión y efectividad. <br /><br />
000152740 521__ $$aGraduado en Óptica y Optometría
000152740 540__ $$aDerechos regulados por licencia Creative Commons
000152740 691__ $$a0
000152740 692__ $$a
000152740 700__ $$aOtín Mallada Sofía Zaira$$edir.
000152740 700__ $$aGutiérrez Rodrigo, Sergio$$edir.
000152740 7102_ $$aUniversidad de Zaragoza$$bFísica Aplicada$$cOptica
000152740 8560_ $$f818570@unizar.es
000152740 8564_ $$s1259181$$uhttps://zaguan.unizar.es/record/152740/files/TAZ-TFG-2024-2483_ANE.pdf$$yAnexos (spa)
000152740 8564_ $$s493962$$uhttps://zaguan.unizar.es/record/152740/files/TAZ-TFG-2024-2483.pdf$$yMemoria (spa)
000152740 909CO $$ooai:zaguan.unizar.es:152740$$pdriver$$ptrabajos-fin-grado
000152740 950__ $$a
000152740 951__ $$adeposita:2025-04-01
000152740 980__ $$aTAZ$$bTFG$$cCIEN
000152740 999__ $$a20240612110229.CREATION_DATE