[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-125058-es":3,"doc-seo-125058-110":31,"detail-sidebar-cat-0-es-110":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":22,"language":23,"language_code":24,"site_id":25,"html_lang":24,"table_of_contents":26,"faqs":27,"seo_title":28,"seo_description":14,"update_tm":29,"read_time":30},125058,2336474466412,"Ezra","https://ap-avatar.wpscdn.com/davatar_155a257f0dc6eb9ab79c44ca47cae57d",41,"Investigación e Informes","Aprendizaje automático aplicado al diagnóstico de glaucoma a partir de tomografías de coherencia óptica - Trabajo Fin de Grado","El trabajo desarrolla un modelo de aprendizaje automático para el diagnóstico temprano del glaucoma mediante imágenes y volúmenes obtenidos con Tomografía de Coherencia Óptica (OCT). Dado que el glaucoma puede avanzar sin síntomas visibles y causa ceguera irreversible, la detección precoz resulta crítica. Se emplean técnicas de deep learning basadas en una red neuronal convolucional LeNet 5 adaptada para clasificar ambos formatos, incorporando estrategias como SMOTE y/o pesos para mitigar el desbalance de clases. Los experimentos evidencian mejores resultados con volúmenes OCT y menor tasa de falsos negativos, y proponen mejoras futuras para reducir el overfitting y refinar arquitecturas.","Trabajo Fin de Grado  \nGrado en Ingeniería de Sistemas de Telecomunicación  \nAPRENDIZAJE AUTOMÁTICO APLICADO AL DIAGNÓSTICO DE GLAUCOMA A PARTIR DE TOMOGRAFÍAS DE COHERENCIA  \nÓPTICA  \nNOELIA TOVAR GARCÍA  \nCartagena, septiembre 2024  \nDirector: Juan Morales Sánchez  \nDpto. Tecnologías de la Información y las Comunicaciones  \nAgradecimientos  \nQuiero expresar mi más sincero agradecimiento a mi familia por todo su apoyo a lo largo demi carrera universitaria.  \nTambién, me gustaría agradecerle a mi tutor Juan Morales Sánchez por toda la ayuda que me ha prestado durante la realización del trabajo y la atención que ha tenido conmigo.  \nPor último, un agradecimiento especial a mis amigos y compañeros, quienes hicieron este camino mucho más ameno.  \nResumen  \nEl objetivo de este proyecto es desarrollar un modelo de aprendizaje automático para el diagnóstico temprano del glaucoma a partir de imágenes obtenidas mediante Tomografía de Coherencia Óptica (OCT) . Dado que el glaucoma es una de las principales causas de ceguera irreversible y puede progresar sin síntomas visibles, la detección temprana es clave.  \nAprendizaje automático o machine learning es una rama de la Inteligencia Artificial (IA) formado por un conjunto de algoritmos que permite a los sistemas aprender automáticamente a partir de datos, sin estar explícitamente programados. El proyecto se enfoca en utilizar técnicas avanzadas de deep learning, subcampo de machine learning, para procesar datos de imágenes y volúmenes con el fin de identificar patrones relacionados con el glaucoma.  \nSe han utilizado dos conjuntos de datos, uno de imágenes y otro de volúmenes OCT, que ofrecen una representación detallada de la estructura ocular interna. La arquitectura del modelo implementado se basa en la red neuronal convolucional LeNet 5, adaptada para clasificar tanto imágenes como volúmenes. Además, se emplean diversas técnicas para enfrentar el desbalanceode clases, como el uso de SMOTE o el cálculo de los pesos.  \nEl proyecto incluye una serie de experimentos cuyas evaluaciones muestran que, aunque algunastécnicas como el reescalado de datos no generan buenos resultados, otras como SMOTE demostraron ser efectivas en la corrección del desbalanceo de clases. En términos de precisión, los mejores resultados se obtuvieron con el uso de volúmenes OCT, con menor cantidad de falsos negativos, lo que es crucial en el contexto de la salud.  \nFinalmente, se discuten las posibles mejoras futuras, incluyendo el uso de otras arquitecturas de redes neuronales más complejas y métodos adicionales para enfrentar el problema del overfitting y el desbalanceo de clases.  \nÍndice  \nAgradecimientos...................................................................................................................................2  \nResume n...............................................................................................................................................3  \n1.Diagnóstico automático de glaucoma...............................................................................................7  \n1.1. Planteamiento inicial..................................................................................................................7  \n1.2. Motivación y objetivo.................................................................................................................7  \n1.3. Estado de la téc nica....................................................................................................................8  \n1.4.Su mario.......................................................................................................................................8  \n2. Materiales y métodos......................................................................................................................10  \n2.1.Datasets: contenido y estructura............................................................................................. 10  \n2.1.1. Dataset de imágenes OCT.........","cbCaivrhQAI3Jm8u","https://ap.wps.com/l/cbCaivrhQAI3Jm8u","pdf",2393869,2,1,81,"Spanish","es",110,"# Agradecimientos\n# Resumen\n# Diagnóstico automático de glaucoma\n## Planteamiento inicial\n## Motivación y objetivo\n## Estado de la técnica\n## Sumario\n# Materiales y métodos\n## Datasets: contenido y estructura\n## Entornos de programación\n## Funcionamiento de machine learning","[{\"question\":\"Cuál es el objetivo principal del proyecto?\",\"answer\":\"Desarrollar un modelo de aprendizaje automático para el diagnóstico temprano del glaucoma usando imágenes y volúmenes de Tomografía de Coherencia Óptica (OCT).\"},{\"question\":\"Qué tipo de técnicas y arquitectura se emplean en el modelo?\",\"answer\":\"Se aplican técnicas de deep learning con una red neuronal convolucional LeNet 5 adaptada para clasificar tanto imágenes como volúmenes OCT.\"},{\"question\":\"Cómo se aborda el desbalance de clases y qué efecto tiene en los resultados?\",\"answer\":\"Se emplean estrategias como SMOTE y/o cálculo de pesos. Las evaluaciones indican que técnicas como SMOTE resultan efectivas para corregir el desbalanceo.\"}]","Aprendizaje automático aplicado al diagnóstico de glaucoma a partir de tomografías de coherencia óptica - Trabajo Fin de Grado | PDF",1785896405,125,{"code":4,"msg":32,"data":33},"ok",{"site_id":25,"language":24,"slug":34,"title":13,"keywords":35,"description":14,"schema_data":36,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":29},"machine-learning-applied-to-glaucoma-diagnosis-from-optical-coherence-tomography-final-degree-project","",{"@graph":37,"@context":86},[38,54,69],{"@type":39,"itemListElement":40},"BreadcrumbList",[41,45,48,51],{"item":42,"name":43,"@type":44,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":46,"name":47,"@type":44,"position":20},"https://docshare.wps.com/es/document/","Document",{"item":49,"name":12,"@type":44,"position":50},"https://docshare.wps.com/es/document/investigación-e-informes/",3,{"item":52,"name":13,"@type":44,"position":53},"https://docshare.wps.com/es/document/machine-learning-applied-to-glaucoma-diagnosis-from-optical-coherence-tomography-final-degree-project/125058/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":24,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":42,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-16","2026-08-05",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"Cuál es el objetivo principal del proyecto?","Question",{"text":76,"@type":77},"Desarrollar un modelo de aprendizaje automático para el diagnóstico temprano del glaucoma usando imágenes y volúmenes de Tomografía de Coherencia Óptica (OCT).","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"Qué tipo de técnicas y arquitectura se emplean en el modelo?",{"text":81,"@type":77},"Se aplican técnicas de deep learning con una red neuronal convolucional LeNet 5 adaptada para clasificar tanto imágenes como volúmenes OCT.",{"name":83,"@type":74,"acceptedAnswer":84},"Cómo se aborda el desbalance de clases y qué efecto tiene en los resultados?",{"text":85,"@type":77},"Se emplean estrategias como SMOTE y/o cálculo de pesos. Las evaluaciones indican que técnicas como SMOTE resultan efectivas para corregir el desbalanceo.","https://schema.org",{"og:url":52,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":52},"index,follow",{"doc_id":7,"site_id":25},{"code":4,"msg":5,"data":93},[94,99,103,107,111,113,117,121,125,129],{"id":95,"doc_module":4,"doc_module_name":47,"category_name":96,"show_sort_weight":97,"slug":98},39,"Cómic",60,"comic",{"id":100,"doc_module":4,"doc_module_name":47,"category_name":101,"show_sort_weight":97,"slug":102},43,"Estilo de Vida","lifestyle",{"id":104,"doc_module":4,"doc_module_name":47,"category_name":105,"show_sort_weight":97,"slug":106},38,"Examen","exam",{"id":108,"doc_module":4,"doc_module_name":47,"category_name":109,"show_sort_weight":97,"slug":110},44,"General","general",{"id":11,"doc_module":4,"doc_module_name":47,"category_name":12,"show_sort_weight":97,"slug":112},"research-report",{"id":114,"doc_module":4,"doc_module_name":47,"category_name":115,"show_sort_weight":97,"slug":116},37,"Literatura","literature",{"id":118,"doc_module":4,"doc_module_name":47,"category_name":119,"show_sort_weight":97,"slug":120},22,"Relatos y Novelas","story-novel",{"id":122,"doc_module":4,"doc_module_name":47,"category_name":123,"show_sort_weight":97,"slug":124},42,"Religión y Espiritualidad","religion-spirituality",{"id":126,"doc_module":4,"doc_module_name":47,"category_name":127,"show_sort_weight":97,"slug":128},40,"Salud y Atención Médica","healthcare",{"id":130,"doc_module":4,"doc_module_name":47,"category_name":131,"show_sort_weight":97,"slug":132},24,"Tecnología","technology"]