Natalia Peñaloza Barrios
Natalia Peñaloza Barrios has a total of 20 co-authors. Here are the top co-authors by number of shared publications:
- Andres Mauricio Posso Escobar
Universidad ICESI
1 shared publication - Aura Patricia Yepes Sarmiento
Fundacion Universitaria San Martin
1 shared publication - Diana Carolina Rojas Bohorquez
Fundación Universitaria Sanitas
1 shared publication - Emiro De-La-Hoz-Franco
Department of Computer Science and Electronics, Faculty of Engineering, Universidad de la Costa CUC, Barranquilla 080002, Colombia
1 shared publication - Eugenia Arrieta Rodríguez
Universidad de la Costa, CUC
1 shared publication - Jhully Constanza Herrera-Tarapues
Subred Integrada de Servicios de Salud Norte E.S.E., Bogotá, D.C., Colombia
1 shared publication
Latest Publications
- Open Access
- 3 September 2025
- Published by Institute of Electrical and Electronics Engineers (IEEE) in IEEE Access
- Vol. 13, 163699-163730
Deep Learning for Glaucoma Classification and Grading: A Comprehensive Review on Fundus Imaging Approaches
Glaucoma is one of the leading causes of blindness worldwide and is characterized by progressive visual field loss due to optic nerve damage. Early detection is fundamental, yet it is often hindered by the asymptomatic nature of the disease in its initial stages. In response to this challenge, advanced techniques such as Deep Learning (DL) and computer vision are emerging as potential tools to revolutionize glaucoma diagnosis. This article aims to systematically evaluate the current state of artificial intelligence approaches for fundus image-based glaucoma detection and to identify trends, challenges, and opportunities. Following the PRISMA methodology, we conducted a comprehensive systematic review examining a total of 63 publications available in Scopus, ScienceDirect, IEEE, and Web of Science databases, available in English and published during the study period between 2020 and 2024. The review revealed key techniques in the critical stages of automated glaucoma detection. Convolutional neural networks dominated recent literature, with ResNet architectures achieving optimal performance (accuracy range: 82.37%-98.48%). For localization and segmentation, U-Net variants, attention-guided networks, and advanced ensemble approaches were prominent. In feature extraction, methods exploiting structural and textural metrics, wavelet-based transformations, and attention mechanisms showed considerable potential. Classification tasks benefited from Convolutional Neural Network (CNN) optimizations, attention-based architectures, hybrid models, and transformer frameworks, demonstrating high accuracy for both binary and multiclass glaucoma detection. Deep learning (DL) approaches have demonstrated significant potential for both binary and multiclass glaucoma classification from color fundus images. Key findings from this study include: i) attention mechanisms and transformer architectures show superior performance in capturing subtle disease features, with accuracies exceeding 95%; ii) hybrid approaches combining multiple techniques achieve better generalization across datasets; iii) curriculum learning strategies improve multiclass severity grading accuracy; and iv) challenges persist in standardizing evaluation metrics and managing variations in data quality. Future research should focus on developing more robust architectures that can handle diverse image qualities and incorporate clinical knowledge into the learning process. Additionally, systematic analysis revealed critical implementation barriers: only 30%-40% of studies included external validation, with significant performance degradation on independent datasets; approximately 60%-70% relied on structure-only approaches, excluding essential visual field correlation for clinical decision-making.
- 3 September 2025
- Published by Institute of Electrical and Electronics Engineers (IEEE) in IEEE Access
- Vol. 13, 163699-163730
Open AccessDeep Learning for Glaucoma Classification and Grading: A Comprehensive Review on Fundus Imaging Approaches
Glaucoma is one of the leading causes of blindness worldwide and is characterized by progressive visual field loss due to optic nerve damage. Early detection is fundamental, yet it is often hindered by the asymptomatic nature of the disease in its initial stages. In response to this challenge, advanced techniques such as Deep Learning (DL) and computer vision are emerging as potential tools to revolutionize glaucoma diagnosis. This article aims to systematically evaluate the current state of artificial intelligence approaches for fundus image-based glaucoma detection and to identify trends, challenges, and opportunities. Following the PRISMA methodology, we conducted a comprehensive systematic review examining a total of 63 publications available in Scopus, ScienceDirect, IEEE, and Web of Science databases, available in English and published during the study period between 2020 and 2024. The review revealed key techniques in the critical stages of automated glaucoma detection. Convolutional neural networks dominated recent literature, with ResNet architectures achieving optimal performance (accuracy range: 82.37%-98.48%). For localization and segmentation, U-Net variants, attention-guided networks, and advanced ensemble approaches were prominent. In feature extraction, methods exploiting structural and textural metrics, wavelet-based transformations, and attention mechanisms showed considerable potential. Classification tasks benefited from Convolutional Neural Network (CNN) optimizations, attention-based architectures, hybrid models, and transformer frameworks, demonstrating high accuracy for both binary and multiclass glaucoma detection. Deep learning (DL) approaches have demonstrated significant potential for both binary and multiclass glaucoma classification from color fundus images. Key findings from this study include: i) attention mechanisms and transformer architectures show superior performance in capturing subtle disease features, with accuracies exceeding 95%; ii) hybrid approaches combining multiple techniques achieve better generalization across datasets; iii) curriculum learning strategies improve multiclass severity grading accuracy; and iv) challenges persist in standardizing evaluation metrics and managing variations in data quality. Future research should focus on developing more robust architectures that can handle diverse image qualities and incorporate clinical knowledge into the learning process. Additionally, systematic analysis revealed critical implementation barriers: only 30%-40% of studies included external validation, with significant performance degradation on independent datasets; approximately 60%-70% relied on structure-only approaches, excluding essential visual field correlation for clinical decision-making.
- Open Access
- 29 January 2024
- Published by Asociacion Latinoamericana para el Avance de la Ciencia in Ciencia Latina Revista Científica Multidisciplinar
- Vol. 8 (1) , 763-773
Glioma del Nervio Óptico en Pacientes con Neurofibromatosis
Los tumores del nervio óptico representan aproximadamente un 4% de los tumores orbitarios y pueden presentarse a cualquier edad. En los últimos años, autores han relacionado esta patología con la neurofibromatosis, especialmente la NF-1, la cual, produce múltiples manifestaciones en el campo oftalmológico, siendo los gliomas de la vía óptica los tumores del sistema nervioso central más frecuentes en la enfermedad. Generalmente tienen la capacidad de afectar al quiasma y su curso suele ser indolente para el paciente. Dentro de las manifestaciones clínicas destacan la proptosis que suele ser gradual, se presenta hinchazón o palidez del disco óptico, pérdida de agudeza visual, pérdida del campo visual y defecto pupilar aferente relativo debido a los efectos compresivos ocasionados por el tumor, el tratamiento es conservador con seguimiento estrecho hasta que se detecte progresión.
- 29 January 2024
- Published by Asociacion Latinoamericana para el Avance de la Ciencia in Ciencia Latina Revista Científica Multidisciplinar
- Vol. 8 (1) , 763-773
Open AccessGlioma del Nervio Óptico en Pacientes con Neurofibromatosis
Los tumores del nervio óptico representan aproximadamente un 4% de los tumores orbitarios y pueden presentarse a cualquier edad. En los últimos años, autores han relacionado esta patología con la neurofibromatosis, especialmente la NF-1, la cual, produce múltiples manifestaciones en el campo oftalmológico, siendo los gliomas de la vía óptica los tumores del sistema nervioso central más frecuentes en la enfermedad. Generalmente tienen la capacidad de afectar al quiasma y su curso suele ser indolente para el paciente. Dentro de las manifestaciones clínicas destacan la proptosis que suele ser gradual, se presenta hinchazón o palidez del disco óptico, pérdida de agudeza visual, pérdida del campo visual y defecto pupilar aferente relativo debido a los efectos compresivos ocasionados por el tumor, el tratamiento es conservador con seguimiento estrecho hasta que se detecte progresión.
- Open Access
- 5 September 2022
- Published by Asociacion Latinoamericana para el Avance de la Ciencia in Ciencia Latina Revista Científica Multidisciplinar
- Vol. 6 (5) , 1961-1973
Signos y síntomas para la detención temprana del cáncer infantil
Antecedentes: En pediatría la presencia de tumores cancerígenos son poco frecuente, su presentación clínica con frecuencia no es específica y usualmente simula patologías comunes de curso benigno. Metodología: Se realizó una revisión bibliográfica a través de diversas bases de datos de enero del 2016 a diciembre del 2021; la búsqueda y selección de artículos fue llevada a cabo en revistas indexadas en idiomas inglés y español. Se utilizaron como palabras clave: signos, síntomas, detención, cáncer infantil. Resultados: El cáncer es un grupo de enfermedades, cada una con su nombre, diagnóstico, tratamiento y pronóstico, en los niños este proceso suele ser mucho más rápido que en los adultos por eso es de suma importación su detección precoz. Conclusión: Finalmente la implementación de una atención precoz y concisa busca lograr el diagnóstico temprano del cáncer y el aumentar así la supervivencia de los niños afectados por este grupo de enfermedades
- 5 September 2022
- Published by Asociacion Latinoamericana para el Avance de la Ciencia in Ciencia Latina Revista Científica Multidisciplinar
- Vol. 6 (5) , 1961-1973
Open AccessSignos y síntomas para la detención temprana del cáncer infantil
Antecedentes: En pediatría la presencia de tumores cancerígenos son poco frecuente, su presentación clínica con frecuencia no es específica y usualmente simula patologías comunes de curso benigno. Metodología: Se realizó una revisión bibliográfica a través de diversas bases de datos de enero del 2016 a diciembre del 2021; la búsqueda y selección de artículos fue llevada a cabo en revistas indexadas en idiomas inglés y español. Se utilizaron como palabras clave: signos, síntomas, detención, cáncer infantil. Resultados: El cáncer es un grupo de enfermedades, cada una con su nombre, diagnóstico, tratamiento y pronóstico, en los niños este proceso suele ser mucho más rápido que en los adultos por eso es de suma importación su detección precoz. Conclusión: Finalmente la implementación de una atención precoz y concisa busca lograr el diagnóstico temprano del cáncer y el aumentar así la supervivencia de los niños afectados por este grupo de enfermedades