Retinal Disease Classification from Fundus Images using CNN Transfer Learning

A continuación presento un resumen técnico detallado del artículo "Clasificación de Enfermedades Retinianas a partir de Imágenes de Fondo de Ojo utilizando Transfer Learning con CNN", escrito por Ali Akram.

1. Planteamiento del Problema

Las enfermedades retinianas son una de las principales causas prevenibles de discapacidad visual y ceguera a nivel mundial. El diagnóstico tradicional depende de la revisión manual de imágenes de fondo de ojo (fundus) por parte de oftalmólogos, un proceso que es lento, costoso y sujeto a variabilidad interobservador.
Aunque existen sistemas de diagnóstico asistido por computadora (CAD), persisten desafíos significativos:

• Limitación de datos: Escasez de conjuntos de datos médicos anotados de alta calidad.
• Desequilibrio de clases: En los conjuntos de datos reales, las muestras "normales" suelen superar ampliamente a las "enfermedades", lo que sesga los modelos hacia la clase mayoritaria.
• Complejidad visual: Las variaciones sutiles en los patrones de la enfermedad y las condiciones de adquisición de imágenes dificultan la detección automática precisa.

El objetivo de este estudio es desarrollar un marco de aprendizaje profundo reproducible para la clasificación binaria de riesgo de enfermedad retiniana (Normal vs. Enfermedad) utilizando imágenes de fondo de ojo, evaluando la eficacia de la transferencia de aprendizaje frente a una arquitectura CNN básica.

2. Metodología

El estudio se basó en un conjunto de datos público de Kaggle que contiene 3.200 imágenes de fondo de ojo, divididas en:

• Entrenamiento: 1.920 imágenes.
• Validación: 640 imágenes.
• Prueba: 640 imágenes.
  Las imágenes están etiquetadas con un indicador de "Riesgo de Enfermedad" (0 = Normal, 1 = Enfermedad).

Se implementaron y compararon dos enfoques experimentales:

A. Experimento 1: CNN Baseline (Red Neuronal Convolucional Básica)

• Preprocesamiento: Las imágenes se redimensionaron a 64x64 píxeles. Se aplicó normalización de píxeles al rango [0, 1].
• Augmentation: No se aplicó ninguna técnica de aumento de datos.
• Arquitectura: Una CNN ligera con dos capas convolucionales (32 y 64 filtros), pooling, capa densa (128 neuronas) y una capa de salida con activación sigmoide.
• Entrenamiento: 10 épocas, optimizador Adam, pérdida de entropía cruzada binaria, sin ponderación de clases.

B. Experimento 2: Transfer Learning con VGG16

• Preprocesamiento: Las imágenes se redimensionaron a 254x254 píxeles para preservar detalles finos.
• Augmentation: Se aplicó volteo horizontal y vertical para aumentar la diversidad del conjunto de entrenamiento.
• Manejo de Desequilibrio: Se calcularon y aplicaron pesos de clase durante el entrenamiento para mitigar el sesgo hacia la clase "Normal".
• Arquitectura: Se utilizó la base preentrenada de VGG16 (pesos de ImageNet, sin la capa superior). Se congelaron las capas convolucionales y se añadieron capas densas personalizadas (500 y 100 neuronas con ReLU) y una capa de salida softmax.
• Entrenamiento: 5 épocas, optimizador Adam, tasa de aprendizaje 0.01, pérdida de entropía cruzada categórica.

3. Contribuciones Clave

1. Comparación Empírica Rigurosa: Se establece una línea base clara comparando una CNN entrenada desde cero con baja resolución contra un modelo de transferencia de aprendizaje con alta resolución y técnicas de regularización.
2. Transparencia y Reproducibilidad: El autor enfatiza que todos los resultados reportados corresponden estrictamente a las ejecuciones de los cuadernos de código (notebooks), sin métricas inferidas, detallando exhaustivamente los hiperparámetros y estrategias de preprocesamiento.
3. Análisis de Desempeño por Clase: Más allá de la precisión general, el estudio analiza profundamente la precisión, el recall (sensibilidad) y la puntuación F1, destacando específicamente el desafío de detectar la clase minoritaria (enfermedad).

4. Resultados

• CNN Baseline:

  • Precisión (Accuracy): 83.1%.
  • AUC-ROC: ~0.81 para ambas clases.
  • Observación: El modelo aprendió patrones discriminativos básicos, pero su arquitectura superficial y la baja resolución limitaron su capacidad de generalización.

• Modelo VGG16 (Transfer Learning):

  • Precisión (Accuracy): 90.8% (mejora significativa).
  • Puntuación F1 Ponderada: 0.90.
  • Desempeño por Clase:
    • Clase Normal: Precisión 0.91, Recall 0.98, F1 0.94.
    • Clase Enfermedad: Precisión 0.88, Recall 0.65, F1 0.75.
  • AUC-ROC: 0.81 para ambas clases, indicando una discriminación estable y superior a la clasificación aleatoria.

Análisis de Errores: La mayoría de las clasificaciones incorrectas ocurrieron en la clase "Enfermedad" (falsos negativos). Esto se atribuye a la naturaleza insidiosa de las patologías tempranas y al desequilibrio de clases, donde el modelo tiende a priorizar la clase mayoritaria a pesar de los pesos aplicados.

5. Significado y Conclusión

El estudio demuestra que la transferencia de aprendizaje es una estrategia superior para la clasificación de enfermedades retinianas, especialmente en escenarios con datos limitados. El uso de una arquitectura preentrenada (VGG16) combinada con imágenes de mayor resolución y técnicas de aumento de datos permitió extraer características jerárquicas más ricas que una CNN básica.

Implicaciones Clínicas:

• El modelo VGG16 muestra una especificidad muy alta (Recall 0.98 para normales), lo que lo hace útil como herramienta de triaje para descartar casos sanos y reducir la carga de trabajo de los especialistas.
• Sin embargo, la sensibilidad moderada para la clase enferma (Recall 0.65) indica que no debe utilizarse como sistema de diagnóstico autónomo sin ajustes adicionales, ya que podría pasar por alto casos patológicos.

Trabajo Futuro:
El autor propone optimizar los umbrales de decisión para mejorar la sensibilidad, utilizar funciones de pérdida avanzadas (como Focal Loss), realizar fine-tuning de las capas profundas de VGG16, y validar el modelo en conjuntos de datos externos para garantizar la generalización entre diferentes instituciones y equipos de imagen. Además, se sugiere la integración de técnicas de IA explicable (XAI) como Grad-CAM para aumentar la confianza clínica.