Resumen

El diagnóstico temprano y preciso del glaucoma es fundamental para evitar la deterioración de la visión humana y prevenir la ceguera. Se ha desarrollado un modelo de red neuronal profunda para el diagnóstico del glaucoma basado en la tomografía de retina de Heidelberg (HRT), llamado Seeking Common Features and Reserving Differences Net (SCRD-Net) para aprovechar al máximo los datos de HRT. En este trabajo, el modelo propuesto SCRD-Net logró un área bajo la curva (AUC) del 94.0%. Para las dos modalidades de imagen de HRT, las sensibilidades del modelo fueron del 91.2% y 78.3% con especificidades de 0.85 y 0.95, respectivamente. Estos resultados demuestran una mejora significativa respecto a resultados anteriores. Además, visualizamos las salidas de la red para desarrollar una interpretación del mecanismo aprendido para discriminar imágenes de glaucoma y normales. Por lo tanto, el SCRD-Net puede ser un indicador diagnóstico efectivo de glaucoma durante el crib

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Diagnóstico; Glaucoma; Modelo de red neuronal profunda; Tomografía de retina de Heidelberg; SCRD-Net; AUC
• Keywords:Diagnosis; Glaucoma; Deep-neural-network model; Heidelberg retina tomography; SCRD-Net; AUC