Please use this identifier to cite or link to this item:
http://repositorio.yachaytech.edu.ec/handle/123456789/284
Title: | Retinal reader for the early diagnosis of ocular diseases using image analysis |
Authors: | Salum, Graciela Marisa Herrera Romero, Bryan Stalin |
Keywords: | Diabetes Retinopatía diabética Cámara no midriática Análisis de imágenes Diagnóstico temprano Diabetic retinopathy Non-mydriatic camera Image analysis Early diagnosis |
Issue Date: | Dec-2020 |
Publisher: | Universidad de Investigación de Tecnología Experimetal Yachay |
Abstract: | En Ecuador, la diabetes es una de las enfermedades más notorias, posicionándose como la segunda causa de muerte (solo después de las cardiopatías isquémicas) con prevalencia en la población de 10 a 59 años. Uno de cada 10 ecuatorianos mayores de 50 años padece de diabetes y aproximadamente el 30% de estas desarrolla complicaciones visuales. La retinopatía diabética es responsable del 10% de nuevos casos de ceguera cada año. Sin embargo, un diagnóstico precoz de esta patología puede ayudar a ofrecer un tratamiento adecuado y oportuno. El fondo de ojo es un lugar rico en información para el diagnóstico de varias enfermedades oculares. Tener acceso a instrumentación oftálmica capaz de capturar y analizar imágenes del fondo de ojo podría prevenir la pérdida severa de la visión o ceguera mediante un diagnóstico temprano adecuado. Este trabajo de investigación se centra en el diseño y evaluación de una cámara de fondo de ojo portátil, económica y no midriática basada en Raspberry Pi, con el fin de detectar la retina. El prototipo se implementó de acuerdo a ciertas normas ISO. Además, en este trabajo se desarrollaron dos sistemas para la detección de retinopatía diabética en dos lenguajes de programación: MATLAB y Python. El primero se centra en el pre-procesamiento, segmentación, extracción de características y el análisis de la patología identificada, mientras que el segundo se centra en la extracción de características de una imagen digital para crear una clasificación multiclase con la finalidad de detectar la presencia o ausencia de retinopatía diabética mediante el uso de redes neuronales convolucionales. Finalmente, se considera que los resultados obtenidos se pueden mejorar en trabajos futuros, tanto para el prototipo de cámara no midriática como para el software desarrollado. |
Description: | In Ecuador, diabetes is one of the most notorious diseases, positioning itself as the second cause of death (only after ischemic heart diseases) with prevalence in the population aged 10 to 59. One of each 10 Ecuadorians over 50 years of age suffers from diabetes and approximately 30% of these develop visual complications. Diabetic retinopathy is responsible for 10% of new cases of blindness every year. However, an early diagnosis of this pathology can help to offer an adequate and timely treatment. The fundus is a rich place of information in the diagnosis of several ocular diseases. Having access to ophthalmic instrumentation capable of capturing and analyzing fundus images could prevent severe loss of vision or blindness through a suitable diagnosis. This research work is focused on the designed and evaluation of a portable, inexpensive, non-mydriatic fundus camera based on Raspberry Pi, in order to detect the retina. The prototype was implemented according to certain ISO standards. Furthermore, in this work two systems for the detection of diabetic retinopathy were developed in two programming languages: MATLAB and Python. The first is focused on preprocessing, segmentation, feature extraction and the analysis of the identified pathology, while the second is focused on feature extraction of a digital image to create a multiclass classification in order to detect the presence of absence of diabetic retinopathy through the use of convolutional neural network. Finally, it is considered that the results obtained can be improved in future work, both for the non-mydriatic camera prototype and the software developed. |
URI: | http://repositorio.yachaytech.edu.ec/handle/123456789/284 |
Appears in Collections: | Biomedicina |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
ECBI0056.pdf | 4.09 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.