Comparación de modelos de deep-learning de segmentación de las capas de la retina a partir de tomografía por coherencia óptica
DOI:
https://doi.org/10.26754/jji-i3a.202613269Resumen
Este trabajo compara las arquitecturas nnU-Net, MGU-Net y SDLayer-Net en la segmentación de las capas de la retina en imágenes de Tomografía por Coherencia Óptica. Se propone una normalización anatómica centrada en la fóvea con el objetivo de mejorar la capacidad de generalización, así como una nueva metodología de evaluación basada en las violaciones topológicas de la disposición de las capas.
Descargas
Los datos de descarga aún no están disponibles.
Descargas
Publicado
2026-07-17
Número
Sección
Artículos (Tecnologías de la Información y las Comunicaciones)
Licencia
Derechos de autor 2026 Iker Morán Cavero, Mónica Hernández Giménez, Beatriz Cordón, Beatriz Pardiñas, Naiara Artiaga
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Cómo citar
Morán Cavero, I., Hernández Giménez, M., Cordón, B., Pardiñas, B., & Artiaga, N. (2026). Comparación de modelos de deep-learning de segmentación de las capas de la retina a partir de tomografía por coherencia óptica. Jornada De Jóvenes Investigadores Del I3A, 14. https://doi.org/10.26754/jji-i3a.202613269
