Análisis Comparativo en la deteccion de glaucoma mediante técnicas probabilísticas y redes neuronales.

Abstract

El glaucoma es una afección ocular que conduce a la ceguera permanente cuando la enfermedad progresa a una etapa avanzada. Esta enfermedad neurodegenerativa se caracteriza es la causa principal de la ceguera permanente si no se detecta a tiempo. En esta tesis, se implementan algoritmos de aprendizaje máquina para la detección automática de glaucoma y retinopatía diabética. Para ese propósito se utilizan dos de los algoritmos de aprendizaje máquina más utilizados: clasificación Bayesiana y Redes neuronales. Los algoritmos utilizados segmentan la región deseada y extraen características utilizando diferentes algoritmos de extracción de características. Con estas características extraídas se entrenan dos conjuntos de algoritmos y se evalúan los resultados obtenidos. Los resultados pueden ayudar a agilizar y reducir los costos de diagnóstico profesional, al mismo tiempo mejorar la precisión en el diagnóstico.