EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Detección temprana de glaucoma mediante modelos híbridos basados en aprendizaje profundo en imágenes de fondo de ojo

Leandro Enrique Ramírez-Cenepo, John Antony Ruiz-Cueva, Jhosep Sánchez-Flores, Kelvin Lleins Rojas-Córdova, Monica Gabriela Leveau-Paredes, Augusto Ricardo Llontop-Reategui

Revista Científica de Sistemas e Informática · 20.07.2026 · 6 (2) · e1642

DOI: 10.51252/rcsi.v6i2.1642 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Revista Científica de Sistemas e Informática, online erschienen am 20.07.2026. Verfasst von Leandro Enrique Ramírez-Cenepo und 5 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

El glaucoma es una de las principales causas de ceguera irreversible, por lo que su detección temprana es esencial para prevenir la pérdida visual. La investigación tuvo como objetivo desarrollar y evaluar modelos híbridos de aprendizaje profundo para la clasificación multiclase del glaucoma mediante imágenes de fondo de ojo. Se utilizaron 6014 imágenes retinianas de bases públicas, sometidas a depuración, balanceo y partición estratificada. Las arquitecturas VGG16, ResNet50 y EfficientNet-B0 se emplearon como extractores de características combinados con Cascaded Deep Forest. La evaluación incluyó validación cruzada estratificada de 10 pliegues y una prueba independiente. VGG16 + CDF obtuvo el mejor desempeño, con una accuracy promedio de 0.9320, mayor estabilidad y mejor generalización. Las pruebas estadísticas confirmaron diferencias significativas entre los modelos, demostrando que el enfoque híbrido constituye una alternativa robusta para la clasificación automatizada del glaucoma.

Zitieren

APA

Ramírez-Cenepo, L. E., Ruiz-Cueva, J. A., Sánchez-Flores, J., Rojas-Córdova, K. L., Leveau-Paredes, M. G., & Llontop-Reategui, A. R. (2026). Detección temprana de glaucoma mediante modelos híbridos basados en aprendizaje profundo en imágenes de fondo de ojo. Revista Científica de Sistemas e Informática, 6(2), e1642. https://doi.org/10.51252/rcsi.v6i2.1642

Vancouver

Ramírez-Cenepo LE, Ruiz-Cueva JA, Sánchez-Flores J, Rojas-Córdova KL, Leveau-Paredes MG, Llontop-Reategui AR. Detección temprana de glaucoma mediante modelos híbridos basados en aprendizaje profundo en imágenes de fondo de ojo. Revista Científica de Sistemas e Informática. 2026;6(2):e1642. doi:10.51252/rcsi.v6i2.1642

BibTeX
@article{RamrezCenepo2026,
  author = {Ramírez-Cenepo, Leandro Enrique and Ruiz-Cueva, John Antony and Sánchez-Flores, Jhosep and Rojas-Córdova, Kelvin Lleins and Leveau-Paredes, Monica Gabriela and Llontop-Reategui, Augusto Ricardo},
  title = {Detección temprana de glaucoma mediante modelos híbridos basados en aprendizaje profundo en imágenes de fondo de ojo},
  journal = {Revista Científica de Sistemas e Informática},
  year = {2026},
  volume = {6},
  number = {2},
  pages = {e1642},
  doi = {10.51252/rcsi.v6i2.1642}
}
Kostenlos starten →