Aplicación de Deep Learning sobre imágenes topográficas para mejorar la precisión del diagnóstico de queratocono en una clínica de Lima

Abstract

El objetivo principal del presente trabajo de investigación es emplear herramientas tecnológicas que puedan clasificar correctamente imágenes topográficas de la enfermedad del queratocono, mediante el aprendizaje de detección de patrones que posteriormente servirán para realizar detecciones preventivas. El algoritmo que se utilizó para realizar las clasificaciones ha sido de redes neuronales convolucionales así como un pre-procesamiento de imágenes para retirar el ruido que puede limitar el aprendizaje de la red neuronal, dando como resultado 1908 imágenes correctamente clasificadas de un total de 2073 imágenes distribuidas entre ojos normales y que padecen de queratocono, lo que equivale a un 92.04%