Examinando por Materia "Retinopatía"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónAcceso abierto
    Ausencia de correlación entre las cifras tensionales, el daño de órgano blanco y la presencia de retinopatía en el modelo animal de hipertensión con L-NAME : ¿Son necesarios nuevos modelos animales en hipertensión arterial?.
    (2013-07-12) Ramirez, Jorge Hernan; Palacios, Mauricio; Ocampo, Hugo; Zuluaga, Claudia; Gutierrez, Oscar
    La comunidad científica nacional e internacional utiliza ampliamente modelos animales de hipertensión para el estudio de posibles fármacos antihipertensivos. Sin embargo, algunas de las complicaciones de la hipertensión arterial no se expresan por completo en los modelos animales. En este artículo se presenta la falta de correlación de las cifras tensionales con la retinopatía, en el modelo de ratas hipertensas por L-NAME. Además, plantea interrogantes con respecto al desarrollo de nuevos modelos animales de hipertensión, mejor correlacionados con la hipertensión humana y que permitan predecir con mayor certeza los efectos de un medicamento antihipertensivo en los seres humanos. Animal models of hypertension are widely used by the national and international scientific community to study potential antihypertensive drugs. Nevertheless, some of the hypertension complications are not completely expressed in animal models. In this article the lack of blood pressure and retinopathy correlation in the L-NAME hypertensive rat model is presented. Furthermore, questions related to the development of new animal hypertension model, with a better correlation to human hypertension that would allow a more certain prediction regarding the effects of an antihypertensive drug are posed.
  • Miniatura
    PublicaciónAcceso abierto
    Categorización de retinopatía diabética utilizando algoritmos de inteligencia artificial
    (Universidad del Valle, 2018) Ocampo Arbeláez, Héctor Fabio; Delgado Saavedra, Carlos Andrés
    El diagnóstico oportuno de una enfermedad es un proceso crítico, debido a que hay enfermedades de alto riesgo en las cuales un temprano diagnóstico es fundamental para evitar consecuencias irreversibles. Nuestro trabajo se enfoca en diseñar y probar estrategias para la categorización de la retinopatía diabética, a partir de información de imágenes procesadas de fondo de ojo con su respectivo diagnóstico. Esta enfermedad debe ser detectada en una etapa temprana, ya que de lo contrario el paciente presentará pérdida parcial o total de la visión, proceso gradual e irreversible. En diferentes estudios realizados se indica que el diagnóstico de un médico se ve afectado positivamente al estar apoyado de un sistema de decisión, lo que conlleva a una disminución de los exámenes realizados y así disminución de tiempo de espera. Para realizar la categorización de esta enfermedad, se utilizaron datos de imágenes de fondo de ojo procesadas, proporcionados por la base de datos Messidor y el proyecto An ensemble-based system for automatic screening of diabetic retinopathy . Así mismo, se realizó una exhaustiva revisión de literatura sobre algoritmos que se utilizan para el diagnóstico de la enfermedad, encontrando que los más relevantes son: Redes neuronales y Máquinas de Soporte Vectorial. Posteriormente, se llevó a cabo la implementación de tres algoritmos de inteligencia artificial para el diagnóstico de la enfermedad: Redes neuronales entrenadas con Backpropagation, Redes neuronales evolutivas y Máquina de soporte Vectorial. Al realizar un análisis comparativo de estos algoritmos, se encuentra que las redes neuronales entrenadas con Backpropagation son las que presentan mejores resultados en términos de precisión y tiempo de ejecución.