Mustafa Ali Malla / Raid Rafi Omar Al-Nima / Tingting Han
Librería Samer Atenea
Kálamo Books
Librería Elías (Asturias)
Librería Kolima (Madrid)
Librería Proteo (Málaga)
La cornea è fondamentale per la vista, poiché fornisce la maggior parte del potere rifrattivo dell’occhio; pertanto, anche lievi alterazioni strutturali possono influire in modo significativo sulla vista. Il cheratocono è una patologia progressiva che provoca l’assottigliamento della cornea, causando distorsioni visive e rendendo difficile la diagnosi precoce.Questo lavoro introduce un set di dati clinici di mappe corneali che coprono la curvatura, lo spessore e l’elevazione di diversi strati della cornea. Le immagini vengono elaborate attraverso una pipeline specializzata per migliorarne la qualità prima dell’analisi. Viene applicato un approccio di intelligenza artificiale utilizzando modelli di deep learning adattati, in cui ogni tipo di mappa corneale viene analizzato separatamente per estrarre caratteristiche significative e prevedere la presenza di cheratocono.I risultati di questi singoli modelli vengono poi combinati utilizzando tecniche di fusione per migliorare le prestazioni diagnostiche complessive. La valutazione comparativa di diverse strategie di fusione identifica l’approccio più efficace, consentendo un rilevamento altamente accurato del cheratocono e dimostrando l’affidabilità del sistema proposto per l’uso clinico.
