Resumen

El queratocono (KTC) es un trastorno no inflamatorio caracterizado por el adelgazamiento progresivo, la deformación de la córnea y la cicatrización de la misma. Los mecanismos patológicos de esta enfermedad se han investigado durante mucho tiempo. En los últimos años, esta enfermedad ha llamado la atención de muchos centros de investigación porque el número de personas diagnosticadas de queratocono va en aumento. En este contexto, se necesitan rápidamente soluciones que faciliten tanto el diagnóstico como las opciones de tratamiento. La principal aportación de este trabajo es la implementación de un algoritmo capaz de determinar si un ojo está afectado o no por el queratocono. El algoritmo KeratoDetect analiza la topografía corneal del ojo utilizando una red neuronal convolucional (CNN) que es capaz de extraer y aprender las características de un ojo con queratocono. Los resultados muestran que el algoritmo KeratoDetect garantiza un alto nivel de rendimiento, obteniendo una precisión del 99,33% en el conjunto de datos de prueba. KeratoDetect puede ayudar al oftalmólogo en el cribado rápido de sus pacientes, reduciendo así los errores de diagnóstico y facilitando el tratamiento.

• Materias:Biotecnología Minería de datos Algoritmo genético Neurociencia Cognitiva Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithm Cognitive Neuroscience Neurophysiology
• Palabras claves:algoritmo keratodetect, nivel de rendimiento, red neuronal convolucional, número de personas, muchos centro de investigación, mecanismo patológico, ojo con queratocono, queratocono, prueba de datos, mucho tiempo
• Keywords:keratodetect algorithm, level of performance, convolutional neural network, number of people, many research center, pathological mechanism, keratoconus eye, keratoconus, data test, long time