El modelo tradicional de museo local se encuentra obsoleto y abocado al fracaso, y necesariamente obligado a adaptarse a las nuevas necesidades de una ciudadanía cada vez más exigente y heterogénea, que solicita nuevos servicios y actividades cada vez más dinámicas. Su tradicional función como mero espacio de exposición de objetos no funciona, convirtiéndose en un tipo de institución cultural cuya mera existencia está siendo continuamente cuestionada. Necesita reforzarse, hacer entender al conjunto de la sociedad que es necesaria y que es espacio de memoria colectiva fundamental para un progreso equilibrado. Para conseguir dichos objetivos se necesita trabajar con la población más cercana, implicándola no como una simple observadora; haciéndola partícipe de forma activa y lineal en cada uno de sus programas. Es necesario trabajar con la socialización patrimonial y en Colección Museográfica de Gilena tenemos la respuesta y una trayectoria de éxito que respalda nuestro enfoque.

En este trabajo se presenta un enfoque de reconocimiento de glaucoma donde la aportación principal es un criterio de selección de características basado en la sensibilidad. El sistema utiliza el conjunto de datos público RIMONE-r3, del cual utiliza las imágenes del fondo de retina y sus segmentaciones de disco y copa óptica para crear un conjunto de 165 características. Se utiliza un método empaquetador para realizar una selección de características hacia adelante, usando sensibilidad como criterio de selección, para reducir el conjunto a un subconjunto de 120 características. Los resultados de la clasificación realizados por una máquina de soporte vectorial son de 92% de exactitud, 100% de sensibilidad y 88.23% de especificidad, logrando un modelo altamente sensible al reconocimiento de glaucoma, el cual mejora a varios trabajos relacionados. This work presents a glaucoma recognition approach where the main contribution is a sensitivity selection criterion for characteristics. The system uses the public RIMONE-r3 data set, from which it uses images of the retina background and its disc and optical cup segmentations to create a set of 165 features. A packaging method is used to perform a forward feature selection, using sensitivity as the selection criteria, to reduce the set to a subset of 120 features. The results of the classification performed by a vector support machine are 92% accurate, 100% sensitive, and 88.23% specific, achieving a highly sensitive model for glaucoma recognition, which improves several related works.

No abstract