DETECCIÓN AUTOMÁTICA DE GLAUCOMA Y RETINOPATÍA DIABÉTICA USANDO CARACTERÍSTICAS CROMÁTICAS Y TEXTURALES

Abstract

La aplicación de los sistemas de visión en diversos campos ha ido creciendo en los últimos años. Los principales retos han sido la mejora del desempeño y disminuir los costos computacionales o complejidad algorítmica. Esta investigación tiene como objetivo analizar las diferentes técnicas de extracción de características de un sistema de visión que permite clasificar el glaucoma y retinopatía diabética a partir de características texturales y cromáticas, de las cuales se utilizaron en este análisis Patrones Binarios Locales, Haralick e Histogramas de Gradientes Ordenados. En los experimentos realizados se utilizaron diferentes clasificadores como: redes neuronales, árboles de decisión, SVM y Naive bayes, realizando la evaluación a partir de técnicas como validación cruzada y área bajo la curva, que nos permitieron tener una comparación del desempeño de los clasificadores así como la representación de la taza de falsos positivos frente a los falsos negativos. Los resultados obtenidos son analizados y comparados en esta tesis, que permitirán también hacer una selección de alguna técnica en base a su complejidad y desempeño.