Reconocimiento de exudados duros mediante Deep Learning

La Diabetes Mellitus es una enfermedad metabólica caracterizada por la presencia de niveles elevados de glucosa en sangre.
La diabetes en sí causa otras complicaciones crónicas, incluida una enfermedad ocular conocida como retinopatía diabética.
En la actualidad la retinopatía diabética es la causa más frecuente de ceguera entre la población activa de los países desarrollados.
Los principios que producen esta enfermedad no se conocen por completo y aún no se pueden prevenir. Sin embargo, existen tratamientos efectivos que retrasan su evolución siempre que se diagnostique con suficiente anticipación. El problema de la retinopatía diabética es que es una enfermedad asintomática y sólo aparecen defectos en la visión en un estado avanzado de la enfermedad. Así que a principio de las etapas de la retinopatía diabética suele ser imperceptible, los pacientes diabéticos no se dan cuenta de que tienen la enfermedad y no se someten a un examen ocular. A veces se examina al paciente cuando ya es demasiado tarde para un tratamiento adecuado, debido a la presencia de daño severo en la retina, presentándose únicamente el diagnóstico de Diabetes. Actualmente, la tecnología es cada vez más importante en el campo de la salud, por ello se han diseñado una serie de sistemas de ayuda a la toma de decisiones que ayuden en la detección temprana de la retinopatía diabética a través de las imágenes de Ojo, en el presente trabajo presentamos una metodología capaz de reconocer los exudados duros que es la primera manifestación de la retinopatía diabética, al presentar una coloración similar a las otras formas anatómicas del ojo, su reconocimiento automático es complicado, la metodología que se presenta consiste en el uso de una base de datos de imágenes de fondo de ojo con síntomas positivos y negativos de retinopatía diabética, a partir de esta base de datos se crea un conjunto de imágenes que corresponden a los exudados duros e imágenes que no corresponden a los exudados duros, con este conjunto de imágenes crea una red convolucional, con el fin de mejorar el reconocimiento, obteniendo resultados que puede satisfacer en la práctica clínica.