Neuronal network in the detection of diabetic macular edema in eye fondus images
No Thumbnail Available
Date
Journal Title
Journal ISSN
Volume Title
Publisher
Fundación Universitaria Sanitas
Abstract
Description
Introduction: Diabetic Macular Edema is one of the main causes of legal blindness worldwide. The use of Artificial Networks may be helpful in the identification of Diabetic Macular Edema, particularly in developing countries, where there are huge limitations to access specialized care. Objectives: To establish the sensitivity and specificity of a diagnostic test based on an Artificial Neuronal Network for the automatic detection of Diabetic Macular Edema based on images of the posterior pole of the eye. Methodology: Cross section study of a diagnostic test based on an Artificial Neuronal Network evaluating the sensitivity and specificity of the diagnosis of the Diabetic Macular Edema in images of the posterior pole of the eye. Results: The network showed a precision of 73.5% in detecting and classifying the type of Edema, during the treatment stage. In the final stage, when comparing the network against the gold standard, the former resulted in a 61% and 69% sensitivity and specificity, respectively (positive predictive value of 63% and negative predictive value of 67%) for the detection of edema. The sensitivity was 70% and the specificity was 61% for the correct classification of the edema (positive predictive value of 64% and negative predictive value of 68%). Conclusion: The Artificial Neuronal Network showed a good performance in the detection and classification of Diabetic Macular Edema. This research is the first step towards the development of telemedicine tools to provide support and coverage for the detection of eye pathologies using eye fundus images.
Introducción: El Edema Macular Diabético es una de las principales causas de ceguera legal a nivel mundial. La aplicación de sistemas basados en Redes Neuronales Artificiales puede ser de utilidad para la detección del Edema Macular Diabético, sobre todo en países en vías de desarrollo, donde existen grandes limitaciones para el acceso a un manejo especializado. Objetivo: Determinar la sensibilidad y especificidad de una prueba diagnóstica basada en una Red Neuronal Artificial para detección automática del Edema Macular Diabético en fotos de polo posterior del ojo. Metodología: Estudio transversal de prueba diagnóstica basada en una Red Neuronal Artificial, donde se evaluó la sensibilidad y especificidad en el diagnóstico del Edema Macular Diabético en fotos de polo posterior del ojo. Resultados: La Red mostró una precisión del 73.5% en la detección y clasificación del tipo de Edema, durante la etapa de entrenamiento. En etapa final, al comparar la red con el Gold Standard, tuvo sensibilidad de 61%, y especificidad de 69% (valor predictivo positivo 63% y valor predictivo negativo 67%) para la detección del edema; y sensibilidad de 70% con especificidad de 61% para la clasificación correcta del mismo (Valor predictivo positivo de 64% y valor predictivo negativo de 68%). Conclusión: La Red Neuronal Artificial mostró buen rendimiento en la detección y clasificación de Edema Macular Diabético. Esta investigación es el primer paso en la construcción de herramientas de telemedicina que puede servir de apoyo y cobertura para la detección de patologías oftalmológicas usando fotos de fondo de ojo.
Introducción: El Edema Macular Diabético es una de las principales causas de ceguera legal a nivel mundial. La aplicación de sistemas basados en Redes Neuronales Artificiales puede ser de utilidad para la detección del Edema Macular Diabético, sobre todo en países en vías de desarrollo, donde existen grandes limitaciones para el acceso a un manejo especializado. Objetivo: Determinar la sensibilidad y especificidad de una prueba diagnóstica basada en una Red Neuronal Artificial para detección automática del Edema Macular Diabético en fotos de polo posterior del ojo. Metodología: Estudio transversal de prueba diagnóstica basada en una Red Neuronal Artificial, donde se evaluó la sensibilidad y especificidad en el diagnóstico del Edema Macular Diabético en fotos de polo posterior del ojo. Resultados: La Red mostró una precisión del 73.5% en la detección y clasificación del tipo de Edema, durante la etapa de entrenamiento. En etapa final, al comparar la red con el Gold Standard, tuvo sensibilidad de 61%, y especificidad de 69% (valor predictivo positivo 63% y valor predictivo negativo 67%) para la detección del edema; y sensibilidad de 70% con especificidad de 61% para la clasificación correcta del mismo (Valor predictivo positivo de 64% y valor predictivo negativo de 68%). Conclusión: La Red Neuronal Artificial mostró buen rendimiento en la detección y clasificación de Edema Macular Diabético. Esta investigación es el primer paso en la construcción de herramientas de telemedicina que puede servir de apoyo y cobertura para la detección de patologías oftalmológicas usando fotos de fondo de ojo.
Keywords
Inteligencia artificial, Redes neurales, Edema macular, Retinopatía diabética, Técnica de diagnóstico oftalmológico, Procesamiento de imagen asistida por computador, Artificial intelligence, Macular edema, Neural networks, Diabetic retinopathy, Diagnostic techniques, Ophthalmological, Image processing, Computer-assisted