Este documento propone una alternativa para el diagnóstico y localización del glaucoma a través del análisis de imágenes de fondo por medio de técnicas de deep learning de última generación; refiriéndose específicamente al uso de redes neuronales convolucionales (CNN) para el diagnóstico y Grad-Cam (Gradient-weighted Class Activation Mapping) para localización. Los resultados muestran que el modelo predictivo más efectivo tiene un 96% de precisión y de sensibilidad y 100% de especificidad. Adicionalmente, los autores presentan un nuevo aplicativo web llamado Medinoid para diagnóstico y localización asistido por computador el cual integra el modelo predictivo más efectivo.
MDPI
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Aplicación de la fusión de sensores de movimiento en deportes especiales de competición
Artículo:
Prevalencia de Staphylococcus epidermidis y Staphylococcus aureus en pacientes con conjuntivitis
Artículo:
Marco de Inteligencia Artificial e Internet Médico de las Cosas para el Diagnóstico de Casos Sospechosos de Coronavirus
Artículo:
Efecto de la utilización de diferentes sustratos compartimentados por neuronas y astrocitos, sobre la concentración de calcio extra e intracelular
Artículo:
Modelización de lesiones deportivas del ligamento cruzado anterior basada en el algoritmo inteligente de elementos finitos