Técnicas de inteligencia artificial para detección temprana de retinopatía diabética

Autores/as

DOI:

https://doi.org/10.29057/icbi.v13i25.12848

Palabras clave:

Inteligencia Artificial, Aprendizaje profundo, Retinopatía diabética, Detección temprana

Resumen

Este artículo ofrece una revisión de estudios recientes que exploran el uso de inteligencia artificial (IA) en el diagnóstico temprano de la retinopatía diabética (RD). Se destacan técnicas avanzadas como el transfer learning (TL), redes neuronales convolucionales (CNN) y deep learning (DL) como herramientas prometedoras para mejorar la detección temprana de RD. Dada la naturaleza crónica y progresiva de la RD, que afecta gravemente la salud ocular y la calidad de vida de los pacientes, su detección temprana es crucial. A pesar de los avances en el tratamiento, la RD sigue siendo una de las principales causas de ceguera en adultos en edad laboral a nivel mundial. Este enfoque en IA busca prevenir la progresión de la enfermedad y mitigar sus efectos adversos.

Descargas

Los datos de descargas todavía no están disponibles.

Información de Publicación

Metric
Este artículo
Otros artículos
Revisores por pares 
2.4 promedio

Perfiles de revisores  N/D

Declaraciones del autor

Declaraciones del autor
Este artículo
Otros artículos
Disponibilidad de datos 
N/A
16%
Financiamiento externo 
No
32% con financiadores
Intereses conflictivos 
N/D
11%
Metric
Para esta revista
Otras revistas
Artículos aceptados 
86%
33%
Días hasta la publicación 
435
145

Indexado en

Editor y comité editorial
perfiles
Sociedad académica 
N/D

Citas

Afrin, R. y Shill, P. C. (2019). Automatic lesions detection and classification

of diabetic retinopathy using fuzzy logic. 2019 International Conference on

Robotics,Electrical and Signal Processing Techniques (ICREST), pp. 527–

Aliseda, D. y Ber ́astegui, L. (2008). Retinopat ́ıa diab ́etica. Anales del sistema

sanitario de Navarra, 31:23–34.

Beevi, S. Z. (2023). Multi-level severity classification for diabetic retinopathy

based on hybrid optimization enabled deep learning. Biomedical Signal Pro-

cessing and Control, 84:104736.

Butt, M., Latif, G., Iskandar, D., Alghazo, J., y Khan, A. (2019). Multi-channel

convolutions neural network based diabetic retinopathy detection from fun-

dus images. Procedia Computer Science, 163:283–291.

Momeni Pour, A., Seyedarabi, H., Abbasi Jahromi, S. H., y Javadzadeh, A.

(2020). Automatic detection and monitoring of diabetic retinopathy using

efficient convolutional neural networks and contrast limited adaptive histo-

gram equalization. IEEE Access, 8:136668–136673.

Nagpal, D., Alsubaie, N., Soufiene, B. O., Alqahtani, M. S., Abbas, M., y

Almohiy, H. M. (2023). Automatic detection of diabetic hypertensive

retinopathy in fundus images using transfer learning. Applied Sciences,

(8):4695.

Qomariah, D. U. N., Tjandrasa, H., y Fatichah, C. (2019). Classification of dia-

betic retinopathy and normal retinal images using cnn and svm. 2019 12th

International Conference on Information & Communication Technology and

System (ICTS), pp. 152–157.

Shankar, K., Sait, A. R. W., Gupta, D., Lakshmanaprabu, S. K., Khanna, A., y

Pandey, H. M. (2020a). Automated detection and classification of fundus

diabetic retinopathy images using synergic deep learning model. Pattern

Recognition Letters, 133:210–216.

Shankar, K., Zhang, Y., Liu, Y., Wu, L., y Chen, C. H. (2020b). Hyperparame-

ter tuning deep learning for diabetic retinopathy fundus image classification.

IEEE access, 8:118164–118173.

Sikder, N., Masud, M., Bairagi, A. K., Arif, A. S. M., y Nahid, A. A. ans Alhum-

yani, H. A. (2021). Severity classification of diabetic retinopathy using an

ensemble learning algorithm through analyzing retinal images. Symmetry,

(4):670.

Vega, R., Sanchez-Ante, G., Falcon-Morales, L. E., Sossa, H., y Guevara, E.

(2015). Retinal vessel extraction using lattice neural networks with dendri-

tic processing. Computers in biology and medicine, 58:20–30.

Descargas

Publicado

2025-07-05

Cómo citar

Sánchez-Villa, M. de J., & Martinez-Jimenez, E. O. (2025). Técnicas de inteligencia artificial para detección temprana de retinopatía diabética. Pädi Boletín Científico De Ciencias Básicas E Ingenierías Del ICBI, 13(25), 12–17. https://doi.org/10.29057/icbi.v13i25.12848

Número

Sección

Artículos de revisión