En este artículo se presenta un procedimiento para la detección del disco óptico (DO) en retinografías, mediante un algoritmo evolutivo. El procedimiento tiene dos etapas principales: la detección gruesa de la posición del DO y el refinamiento de los bordes del contorno. La detección gruesa ubica la posición del DO mediante un algoritmo evolutivo, cuyos individuos tienen como función objetivo la cantidad de píxeles brillantes y el número de bordes de la red de conductos sanguíneos, contenidos dentro de una circunferencia. La etapa de refinamiento aplica un procedimiento geométrico, para deformar el círculo inicial, ajustando el borde de éste con la posición del píxel de mayor variación en dirección al vector normal. El procedimiento fue evaluado empleando los repositorios públicos STARE y DIAREDB, procesando imágenes de pacientes sanos y con alteraciones de las retina, generadas por la presencia de retinopatía diabética. Los resultados experimentales muestran que el método propuesto puede identificar la posición del disco óptico en retinografías con una precisión cercana al 96 %.Abstract: In this paper we show an optic disk (OD) detection approach based on evolution strategy (ES). The approach has two main steps: Coarse detection and contour edges refinement. Coarse detection estimates an approximated position using a ES in which each individual has a fitness function based on the bright pixels amount and the vasculature structure edge pixels quantity inside a circle. The contour edge refinement uses a geometrical approach to circle deformation in order to adjust the edge circle with OD edges. For this, the pixel with the largest intensity value variation along a normal line is considered. The proposed approach was evaluated using the STARED and DIAREDB public repository, processing normal and disease patient states retinal images. The results show that the proposed method identifies the optic disk position with an accuracy of 96 %. 

Objetivo: Proponer un modelo de medición dentro de una arquitectura IoT, con el fin de establecer qué características de calidad son las más convenientes y necesarias para la red de objetos tomando como referencia el modelo jerárquico ISO/IEC 25000 de calidad del software. Metodología: Para el diseño del modelo se realizó una revisión sistemática de literatura que permitió obtener evidencias desde artículos científicos almacenados en repositorios digitales para poder cuantificar los atributos de calidad y determinar las métricas ideales. Como punto de partida se realizaron una serie de preguntas de investigación y una encuesta a un grupo de expertos con conocimiento en IoT para determinar que características y subcaracterísticas de calidad cumplen con los requisitos necesarios. Resultados: Se evidencio que los resultados y resolución de preguntas de investigación planteadas al igual que la encuesta realizada por el grupo de expertos para la validación del modelo responden a los criterios necesarios para un modelo de calidad. Además, con la finalidad de facilitar el entendimiento del modelo que aquí se propone, se realiza una representación gráfica por medio de esquemas preconceptuales. Conclusiones: Por ultimo, este modelo incluye métricas externas para medir atributos de características de calidad en cualquier área del IoT.