Identificación de la actividad de la toxoplasmosis ocular mediante distintas redes neuronales convolucionales

Simple item page
dc.contributor.advisorVargas Cardona, Hernán Darío
dc.contributor.authorRaigoso Espinosa, Juan David
dc.contributor.authorOlarte Zuluaga, Juliana Andrea
dc.contributor.authorMejía Salgado, Germán Alberto
dc.date.accessioned2025-02-11T17:00:06Z
dc.date.available2025-02-11T17:00:06Z
dc.date.issued2025
dc.description.abstractEste proyecto se centró en la aplicación de redes neuronales convolucionales (CNN) para la identificación automática de la actividad de la toxoplasmosis ocular (TO) en imágenes de fondo de ojo. La TO es una causa significativa de discapacidad visual severa. La importancia de este proyecto radica en su potencial para mejorar el diagnóstico y tratamiento de la TO, especialmente en áreas con acceso limitado a especialistas en oftalmología. Los objetivos específicos incluyeron la gestión de una base de datos de imágenes de fondo de ojo, el entrenamiento de CNN’s para identificar la actividad de la TO, y la evaluación del rendimiento de estas técnicas de clasificación. Se aplicó transfer learning con 3 CNN que previamente han sido utilizadas en tareas de clasificación médica (ResNetV2, VGG16, InceptionV3) y se realizaron dos arquitecturas de CNN propias; obteniendo el mejor resultado priorizando una alta sensibilidad hacia la clase activa con una ResNetV2 con 10 épocas, función de activación ReLU, optimizador Adam, Tasa de aprendizaje 1e-4, Tamaño de lote de 32 y utilizando técnicas de balanceo de datos como Synthetic Minority Over-sampling Technique (SMOTE) y data augmentation. Obteniendo una exactitud (accuracy) del modelo de 0.81 ± 0.02. Para la clase activa una sensibilidad de 0.9 ± 0.06, una especificidad de 0.69 ± 0.08 y un F1 Score de 0.77 ± 0.02; mientras que, para la clase inactiva, una sensibilidad de 0.77 ± 0.07, especificidad de 0.91 ± 0.03 y F1 score de 0.84 ± 0.03 Este proyecto demuestra la capacidad de la inteligencia artificial y las CNN en clasificar lesiones retinocoroideas de TO activas o inactivas, facilitando así la toma de decisiones terapéuticas.
dc.description.abstractengThis project focused on the application of convolutional neural networks (CNN) for the automatic identification of ocular toxoplasmosis (OT) activity in fundus images. OT is a significant cause of severe visual impairment. The importance of this project lies in its potential to improve the diagnosis and treatment of OT, especially in areas with limited access to ophthalmology specialists. Specific objectives included the management of a database of fundus images, the training of CNNs to identify OT activity, and the evaluation of the performance of these classification techniques. Transfer learning was applied with 3 CNNs that have previously been used in medical classification tasks (ResNetV2, VGG16, InceptionV3) and two proprietary CNN architectures were developed; obtaining the best result prioritizing a high sensitivity towards the active class with a ResNetV2 with 10 epochs, ReLU activation function, Adam optimizer, 1e-4 learning rate, Batch size of 32 and using data balancing techniques such as Synthetic Minority Over-sampling Technique (SMOTE) and data augmentation. Obtaining a model accuracy of 0.81 ± 0.02. For the active class a sensitivity of 0.9 ± 0.06, a specificity of 0.69 ± 0.08 and an F1 Score of 0.77 ± 0.02; While for the inactive class, a sensitivity of 0.77 ± 0.07, specificity of 0.91 ± 0.03 and F1 score of 0.84 ± 0.03. This project demonstrates the ability of artificial intelligence and CNNs to classify active or inactive TO retinochoroidal lesions, thus facilitating therapeutic decision-making.
dc.format.extent71 p.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttp://hdl.handle.net/11522/4437
dc.language.isospa
dc.publisherPontificia Universidad Javariana Cali
dc.publisher.facultyFacultad de Ingeniería y Ciencias
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectToxoplasmosis
dc.subjectUveítis
dc.subjectRetina
dc.subjectInteligencia Artificial
dc.subjectRed Neuronal Convolucional
dc.subjectUveitis
dc.subjectArtificial intelligence
dc.subjectConvolutional Neural Network
dc.thesis.disciplineFacultad de Ingeniería y Ciencias. Maestría en Ciencia de Datos - Modalidad virtual
dc.thesis.grantorPontificia Universidad Javeriana Cali
dc.thesis.levelMaestría
dc.thesis.nameMagíster en Ciencia de Datos
dc.titleIdentificación de la actividad de la toxoplasmosis ocular mediante distintas redes neuronales convolucionalesspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dc.type.redcolhttps://purl.org/redcol/resource_type/TM
Files
Original bundle
Now showing 1 - 2 of 2
No Thumbnail Available
Name:
Identificación_Actividad_Toxoplasmosis_Ocular.pdf
Size:
2.22 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Licencia_autorizacion.pdf
Size:
186.08 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Ciencia de Datos