Investigación Científica Aplicada

Comparación del rendimiento de redes neuronales convolucionales para la clasificación automática de la retinopatía diabética (DR).

La retinopatía diabética (RD) es una de las principales causas de discapacidad visual prevenible a escala mundial, especialmente entre las personas con diabetes de larga evolución. La detección precoz y la intervención oportuna son imprescindibles para evitar la pérdida grave de visión. Este estudio explora la aplicación de redes neuronales convolucionales (CNN) como posible solución para la detección automatizada de la retinopatía diabética (RD) en estadios tempranos: No_DR, Leve, Moderada, Severa y Pro-liferativa_DR. Se preprocesó un conjunto de datos compuesto por 3.500 imágenes de fondo de ojo, distribuidas uniformemente en cuatro estadios clínicos de RD, para estandarizar el contraste y minimizar el ruido. El estudio comparó tres arquitecturas de CNN: InceptionV3, Xception y VGG16, ampliamente reconocidas en la literatura por su eficacia en tareas complejas de clasificación de imágenes.