Este documento propone una alternativa para el diagnóstico y localización del glaucoma a través del análisis de imágenes de fondo por medio de técnicas de deep learning de última generación; refiriéndose específicamente al uso de redes neuronales convolucionales (CNN) para el diagnóstico y Grad-Cam (Gradient-weighted Class Activation Mapping) para localización. Los resultados muestran que el modelo predictivo más efectivo tiene un 96% de precisión y de sensibilidad y 100% de especificidad. Adicionalmente, los autores presentan un nuevo aplicativo web llamado Medinoid para diagnóstico y localización asistido por computador el cual integra el modelo predictivo más efectivo.
MDPI
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Extracción, caracterización y determinación del peso molecular del polisacárido de la semilla de Senna tora (L.)
Artículo:
Análisis de la interacción del usuario con una interfaz cerebro-ordenador basada en los potenciales evocados visuales de estado estable: Estudio de caso de un juego
Artículo:
Método sencillo de preparación de la zeolita Y de alto contenido en sílice y su rendimiento en el craqueo catalítico del cumeno
Artículo:
Desarrollo de directrices de densidad óptima de los RWIS a escala estatal mediante modelos de semivariograma espacio-temporal
Artículo:
Síntesis de TiO2 comodificado con N/Fe cargado sobre bentonita para mejorar la actividad fotocatalítica bajo luz UV-Vis
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Artículo:
Importancia, manejo y control de extraíbles e incrustaciones (pitch) en la fabricación de papel
Libro:
Tratamientos avanzados de aguas residuales industriales
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores