Inteligencia Artificial en Sistemas Embebidos para la clasificación de imágenes como herramienta de diagnóstico de Retinopatía Diabética

Abstract

La aplicación de técnicas de inteligencia artificial para la detección de enfermedades ha resultado eficiente en la actualidad, debido a que son herramientas de apoyo para los médicos para dar un diagnóstico al paciente antes, durante y después de la enfermedad. Específicamente, el procesamiento de las imágenes, por medio de Redes Neuronales Convolucionales es útil para realzar tareas de clasificación. Este trabajo propone el uso de Redes Neuronales Convolucionales y Transferencia de aprendizaje para clasificar imágenes de fondo del ojo, con el objetivo de determinar el grado de avance de la Retinopatía Diabética. Como dispositivo de despliegue, el uso de un Sistema en Módulo NVIDIA® Jetson Nano™. En primer lugar, se realiza un balanceo de clases y procesamiento de imágenes, en segundo lugar, mediante el uso de recursos en línea, se ejecutan tareas de aprendizaje automático de una manera rápida. En esta etapa se realiza el entrenamiento de los modelos de CNN con Dataset de imágenes obtenidas de los accesos públicos a APTOS y Kaggle. La disponibilidad de arquitecturas para transferencia de aprendizaje acondicionadas para clasificación de imágenes de fondo del ojo genera valores determinados por métricas de rendimiento de exactitud superiores al 85% con imágenes pertenecientes al grupo de ojos sanos. Los modelos entrenados por el método de transferencia de aprendizaje presentan complicaciones para establecer el nivel de Retinopatía Diabética, sin embargo, no presentan retos al utilizar un Sistema en Módulo NVIDIA® Jetson Nano™ como dispositivo de despliegue. Finalmente, se obtienen resultados del monitoreo del módulo, donde el porcentaje de uso de la CPU es menor al 80%.