Avaliação de Classificadores como Método de Segmentação de Lesões na Córnea

• Pablo Lima UFPI
• Rodrigo Veras UFPI
• Daniel Leite UFPI
• Walace Tales UFPI
• Francisco Mendes UFPI

Resumo

Bem como outras áreas do corpo, o olho é alvo de diversos tipos de enfermidades que afetam diretamente a visão, algo essencial à condição humana. Esse trabalho propõe um método de aplicação para um sistema de Diagnóstico Auxiliado por Computador que, por meio de imagens de córnea marcadas por profissionais oftalmologistas, busca segmentar as áreas lesionadas utilizando algoritmos de Aprendizado de Máquina Supervisionados, avaliando o desempenho de três classificadores distindos: Multi-Layer Perceptron, Random Forest e Support Vector Machine. Dentre os resultados obtidos, o algoritmo Random Forest se saiu melhor com taxas de Acurácia, Sensibilidade e Especificidade em 93,47%, 94,41% e 93,61%, respectivamente.

Referências

Flaxman, S. R. and Bourne, R. (2017). Global causes of blindness and distance vision impairment 1990-2020: a systematic review and meta-analysis.

Pereira, G. H. A. and Centeno, J. A. S. (2013). Utilização de support vector machine para classificação multiclasses de imagens landsat tm.

Russel, S. and Norvig, P. (2013). Inteligência Artificial. Elsevier, 3th edition.

Tapan P. Patel, N Venkatesh Prajna, S. F. N. G. V. L. M. N. L. D. K. H. K. andWoodward., M. A. (2017). Novel image-based analysis for reduction of clinician-dependent variability in measurement of the corneal ulcer size.

Vapnik, V. and Cortes, C. (1995). Support-vector networks. machine learning. n. 20, p273–p297, 1995.