Uma solução de aprendizagem de máquina para detecção de ceratocone

  • Francis Spiegel Rubin UNIRIO
  • Adriana Alvim UNIRIO
  • Carlos Mello UNIRIO

Resumo


Ceratocone é um problema que provoca alterações no formato e espessura da córnea, deixando-a mais fina e menos resistente. Pacientes que foram submetidos a cirurgia refrativa a laser tem uma chance maior de desenvolver a doença pelo afinamento corneano, podendo causar cegueira e exigir o transplante de córnea. Este artigo apresenta uma proposta para detectar estágios iniciais de ceratocone em pacientes candidatos a cirurgia refrativa, aplicando algoritmos de aprendizagem de máquina em dados oculares e biomecânicos da córnea de forma a diferenciar córneas normais de portadores de ceratocone.
Palavras-chave: Aprendizgem de Máquina, Ceratocone, Cirurgia refrativa

Referências

Kennedy et al, Am J Ophthalmol 1986; 100:267-73. A 48-year clinical and epidemiologic study of keratoconus. Kanellopoulos AJ. Post-LASIK ectasia. Ophthalmology. 2007.

Klein SR, Epstein RJ, Randleman JB, Stulting RD. Corneal ectasia after laser in situ keratomileusis in patients without apparent preoperative risk factors. Cornea. 2006;25:388–403.

Randleman JB, Woodward M, Lynn MJ, Stulting RD. Risk assessment for ectasia after corneal refractive surgery. Ophthalmology. 2008;115:37–50.

Rohm, M. et al. Predicting visual acuity by using machine learning in patients treated for neovascular age-related macular degeneration. Ophthalmology 125, 1028–1036 (2018).

Oh, E., Yoo, T. K. & Hong, S. Artificial neural network approach for differentiating open-angle glaucoma from glaucoma suspect without a visual field test. Invest. Ophthalmol. Vis. Sci. 56, 3957–3966 (2015).

Jiménez, J. R., Alarcón, A., Anera, R. G. & Jiménez Del Barco, L. Q-optimized algorithms: theoretical analysis of factors influencing visual quality after myopic corneal refractive surgery. J. Refract. Surg. Thorofare NJ 1995 32, 612–617 (2016).

Alexandru Lavric and Popa Valentin. KeratoDetect: Keratoconus Detection Algorithm Using Convolutional Neural Networks- https://doi.org/10.1155/2019/8162567.

R. Ambrósio, B.T. Lopes et al. Integration of scheimpflug-based corneal tomography and biomechanical assessments for enhancing ectasia detection J. Refract. Surg., 33 (7) (2017), pp. 434-443, 10.3928/1081597X-20170426-02.

P. A. Accardo and S. Pensiero, “Neural network-based system for early keratoconus detection from corneal topography,” Journal of biomedical informatics, vol. 35, no. 3, pp. 151–159, 2002.
Publicado
03/11/2020
RUBIN, Francis Spiegel; ALVIM, Adriana; MELLO, Carlos. Uma solução de aprendizagem de máquina para detecção de ceratocone. In: WORKSHOP DE TESES E DISSERTAÇÕES EM SISTEMAS DE INFORMAÇÃO - SIMPÓSIO BRASILEIRO DE SISTEMAS DE INFORMAÇÃO (SBSI), 16. , 2020, Evento Online. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2020 . p. 25-29. DOI: https://doi.org/10.5753/sbsi.2020.13120.