Sistema Diagnóstico Asistido por Computadora para la detección de la Retinopatía Diabética No Proliferativa usando la Red Neuronal de Retropropagación

Una de las complicaciones más graves de la Diabetes Mellitus es la Retinopatía Diabética, enfermedad considerada a nivel mundial como la principal causa de ceguera en la población económicamente activa. La Retinopatía Diabética es una enfermedad silenciosa y solo es reconocida por el portador cuándo los cambios en la retina han progresado a un nivel en el cual el tratamiento se complica, por lo que el diagnóstico oportuno y la remisión al oftalmólogo u optometrista para el manejo de esta enfermedad pueden prevenir el 98% de la pérdida visual grave. Actualmente, una de las áreas de investigación que está atrayendo el interés de científicos y médicos es el análisis de imágenes médicas por computadora. Este análisis consiste en el estudio de las imágenes digitales con el objetivo de proporcionar herramientas computacionales que asistan al especialista médico en la toma de decisiones, basándose en la cuantificación y visualización de las patologías de interés y sus estructuras anatómicas. Bajo el contexto anterior, en este trabajo de tesis se desarrolló un Sistema Diagnóstico Asistido por Computadora para la detección de la Retinopatía Diabética No Proliferativa mediante la implementación de algoritmos de Procesamiento Digital de Imágenes y Redes Neuronales de Retropropagación. Las imágenes de Retinopatía Diabética, así como, el soporte médico fueron proporcionados por el Hospital General Ignacio Zaragoza del ISSSTE y por el Servicio de Oftalmología de la Unidad Médica de Alta Especialidad del Centro Médico Nacional La Raza del IMSS. Los resultados experimentales demuestran que el Sistema Diagnóstico Asistido por Computadora propuesto, presenta óptimos resultados en términos de detección correcta de la ausencia o presencia de la enfermedad y sus estadios, obteniendo una sensibilidad y una especificidad del 95% en comparación con otros sistemas similares, cuya sensibilidad y especificidad están en el intervalo de 83.4% a 94%