2026-04-26T07:15:52Zhttps://uvadoc.uva.es/oai/requestoai:uvadoc.uva.es:10324/779572025-09-19T19:05:01Zcom_10324_38col_10324_852
Sáez López de Foronda, María
2025-09-19T14:29:01Z
2025-09-19T14:29:01Z
2025
https://uvadoc.uva.es/handle/10324/77957
El objetivo principal de este trabajo fue desarrollar un modelo
de inteligencia artificial (IA), basado en redes neuronales, capaz de clasificar
retinografías como imágenes de ojos sanos o patológicos. Esta herramienta
pretende facilitar el cribado automatizado desde atención primaria y mejorar la
derivación temprana de pacientes hacia atención especializada.
Para entrenar el modelo, se recopilaron imágenes de
fondo de ojo de acceso libre, procedentes de distintos repositorios digitales,
clasificadas en dos categorías: sanos y patológicos (con diversas enfermedades
retinianas). Se seleccionaron 180 imágenes para el entrenamiento (90 sanas y
90 patológicas) y 360 para la validación (91 sanas y 269 patológicas). El modelo
se entrenó utilizando la herramienta Teachable Machine de Google, empleando
los parámetros predeterminados. La evaluación se realizó mediante el análisis
de sensibilidad, especificidad y media ponderada de acierto, calculada con el
nivel de confianza de cada predicción.
The main objective of this project was to develop an artificial
intelligence (AI) model based on neural networks capable of classifying fundus
images as either healthy or pathological. This tool aims to facilitate automated
screening in primary care and improve early referral of patients to specialized
care.
To train the model, publicly available fundus
images were collected from various online repositories and classified into two
categories: healthy and pathological (with various retinal diseases). A total of 180
images were selected for training (90 healthy and 90 pathological) and 360 for
validation (91 healthy and 269 pathological). The model was trained using
Google’s Teachable Machine tool with default parameters. Evaluation was
carried out by analyzing sensitivity, specificity, and weighted average accuracy,
calculated based on the confidence level of each prediction.
spa
info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Detección de patología con inteligencia artificial aplicada en imágenes de retina II
info:eu-repo/semantics/bachelorThesis