Aplicación de modelos de transferencia de aprendizaje para la detección de casos de catarata

Abstract

En países de bajos y medianos ingresos, la detección de cataratas es fundamental debido a su alta incidencia como causa de ceguera y la falta de acceso a métodos de detección adecuados. En este estudio, se utilizó Transferencia de Aprendizaje con modelos como InceptionV3, VGG-19 y ResNet50, junto con la metodología CRISP-DM, para crear un eficiente modelo de detección de cataratas. Se evaluaron estos modelos utilizando un conjunto de datos de imágenes oculares que abarcaba diversas enfermedades oculares (ODIR) como casos de cataratas. Se encontró que VGG-19 tenía la mayor precisión, con un 97%, superando a InceptionV3 (91%) y ResNet50 (94%). Asimismo, se implementó con éxito en una aplicación web desarrollada en Python y Flask para una interacción amigable con los usuarios. En resumen, este estudio demostró que la Transferencia de Aprendizaje es efectiva y respaldada por CRISP-DM, y la aplicación web resultante promete mejorar la calidad de vida de quienes enfrentan cataratas.