Detecção Automática de Anomalias Oculares Utilizando Redes Neurais Convolucionais

• Luiza Rosa de Moura IF Sudeste MG
• Alessandra Martins Coelho IF Sudeste MG
• Matheus de Freitas Oliveira Baffa IF Sudeste MG

DOI: https://doi.org/10.5753/encompif.2021.15953

Resumo

Analisando a importância do cuidado com a visão, o trabalho proposto tem como objetivo desenvolver um método de auxílio ao diagnostico de diferentes anomalias que acometem a região externa do olho. A Rede Neural Convolucional foi então utilizada para detectar padroes visuais das imagens da base de dados Warsaw BioBase Disease Iris v2.1, que posteriormente foram classificadas entre doentes e saudáveis. O classificador construído foi avaliado seguindo o protocolo de experimentação Holdout, obtendo uma taxa de acerto de 94%. Mediante tal resultado, é possível concluir que o modelo desenvolvido tem potencial para se tornar uma ferramenta para o auxílio ao diagnostico.

Palavras-chave: Aprendizado Profundo, Doenças Oculares, Visão Computacional

Referências

Bhatia, K. K., Graham, M. S., Terry, L., Wood, A., Tranos, P., Trikha, S., and Jaccard, N. (2020). Disease classification of macular optical coherence tomography scansusing deep learning software: validation on independent, multicenter data. Retina,40(8):1549–1557.

Borges-Osório, M. R. and Robinson, W. M. (2013). Genética Humana 3ed. Artmed Editora.

de Almeida, R. S. (2018).Iris: Aplicativo para identificação de leucocoria. Disponível em: http://dsc.inf.furb.br/arquivos/tccs/monografias/20182rafael-sabel-de-almeidamonografia.pdf. Acesso em: 08 mar. 2021.

de Faria, S. J. et al. (1997). Doenças oculares externas. Medicina (Ribeirao Preto), 30(1):52–55.

Gama, Í., Coelho, A., and Baffa, M. (2020). Fundus eye images classification for diabetic retinopathy detection using very deep convolutional neural network. In Anais do XVI Workshop de Visão Computacional, pages 24–29. SBC.

Husemann, R., Negreiros, M., Tomaggi, H., Araujo, A. L., and Roesler, V. (2019). Desenvolvimento de uma ferramenta para auxílio ao diagnóstico de catarata em telemedicina. In Anais Estendidos do XXV Simpósio Brasileiro de Sistemas Multimídia e Web, pages 155–158. SBC.

IPMMI, H. e. M. M. K. B. (2008).Oftalmologia. Disponível em: http://www.hospitalmarieta.com.br/. Acesso em: 08 mar. 2021.

Tortora, G. J. and Derrickson, B. (2016).Corpo Humano-: Fundamentos de Anatomia e Fisiologia. Artmed Editora.

Trokielewicz, M., Czajka, A., and Maciejewicz, P. (2015). Database of iris images acquired in the presence of ocular pathologies and assessment of iris recognition reliabilityfor disease-affected eyes. In 2015 IEEE 2nd International Conference on Cybernetics (CYBCONF), pages 495–500. IEEE.

Trokielewicz, M., Czajka, A., and Maciejewicz, P. (2017). Implications of ocular pathologies for iris recognition reliability. Image and Vision Computing, 58:158–167.