Moura, Joaquim deNovo Buján, JorgeCouselo Pardo, LucíaUniversidade da Coruña. Facultade de Informática2025-11-112025-11-112025-09https://hdl.handle.net/2183/46396[Resumen]: Este Trabajo de Fin de Grado (TFG) presenta un modelo basado en aprendizaje profundo para la clasificación multi-etiqueta de enfermedades oculares a partir de imágenes de fondo de ojo del conjunto de datos ODIR. Se utiliza una arquitectura dual, donde las imágenes del ojo izquierdo y derecho se procesan por separado para extraer características, que luego se concatenan y se clasifican mediante capas densas. Debido al desbalance significativo de clases presentes en el conjunto de datos, se explora el uso de diferentes funciones de pérdida, incluyendo la pérdida binaria con ponderación y la pérdida focal, para mejorar el desempeño en las clases minoritarias. El modelo se entrena y valida usando métricas específicas para clasificación multi-etiqueta, como el F1-score (F1) y el área bajo la curva (AUC). Los resultados muestran que la adecuada elección de la función de pérdida contribuye a una mejora significativa en la detección de enfermedades menos frecuentes, proporcionando una herramienta prometedora para el diagnóstico asistido por computadora en oftalmología.[Abstract]: This Final Degree Project presents a Deep Learning model for multi-label classification of ocular diseases from fundus images in the ODIR dataset. A dual architecture is employed, where left and right eye images are processed separately to extract features, which are then concatenated and classified using dense layers. Due to the significant class imbalance in the dataset, different loss functions, including weighted binary cross-entropy and focal loss, are explored to improve performance on minority classes. The model is trained and validated using metrics specific to multi-label classification, such as F1-score and Area Under the Curve (AUC). Results demonstrate that appropriate loss function selection significantly enhances detection of less frequent diseases, providing a promising tool for computer-aided diagnosis in ophthalmology.spaOs titulares dos dereitos de autor autorizan a visualización do contido desta obra a través de Internet, así como a súa reprodución, gravación en soporte informático ou impresión para uso privado ou con fins de investigación. En ningún caso se permite o uso lucrativo deste documento. Estes dereitos afectan tanto ao resumo da obra como ao seu contido. Los titulares de los derechos de propiedad intelectual autorizan la visualización del contenido de este trabajo a través de Internet, así como su reproducción, grabación en soporte informático o impresión para su uso privado o con fines de investigación. En ningún caso se permite el uso lucrativo de este documento. Estos derechos afectan tanto al resumen del trabajo como a su contenido.Imágenes de fondo de ojoClasificación de enfermedades ocularesClasificación multi-etiquetaAprendizaje profundoRedes neuronales convolucionalesAprendizaje por transferenciaDesbalanceo de clasesFundus imagesOcular disease classificationMulti-label classificationDeep learningConvolutional neural networksTransfer learningClass imbalancebachelor thesisopen access