Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
https://tedebc.ufma.br/jspui/handle/tede/tede/2255
Tipo do documento: | Dissertação |
Título: | Diagnóstico de glaucoma em imagens de fundo de olho utilizando estatística espacial |
Título(s) alternativo(s): | Diagnosis of Glaucoma in Eye Fund Images Using Spatial Statistics |
Autor: | SILVA, Camila Costa |
Primeiro orientador: | PAIVA, Anselmo Cardoso de |
Primeiro coorientador: | ALMEIDA, João Dallyson Sousa de |
Primeiro membro da banca: | BORCHARTT, Tiago Bonini |
Segundo membro da banca: | AIRES, Kelson Romulo Teixeira |
Resumo: | O glaucoma é uma doença da retina considerada a segunda principal causa de cegueira no mundo, atingindo uma prevalência aproximada entre 1% e 2% da população, segundo dados da Organização Mundial de Saúde (OMS). É normalmente ocasionado pelo aumento da pressão do líquido no nervo óptico, levando a perda progressiva e irreversível da visão. O diagnóstico precoce do glaucoma é, portanto, fundamental para garantir um tratamento rápido e adequado, sendo capaz de minimizar o dano e evitar a perda da visão. Assim, o uso de sistemas computacionais de auxílio à detecção e diagnóstico (Computer Aided Detection - CAD e Computer Aided Diagnosis - CADx) para auxiliar o especialista tem aumentado as chances de diagnósticos corretos. Imagens fotográficas de fundo de olho (retinografias) são usadas como um valioso recurso em diagnósticos médicos, pois frequentemente apresentam indicações sobre doenças oculares como o glaucoma. Neste contexto, este trabalho apresenta uma metodologia baseada em processamento de imagem para diagnosticar o glaucoma a partir da análise de textura da imagem representada usando Compound Local Binary Pattern e estatística espacial aplicada em imagens médicas de retinografias. O método é aplicado sobre a região de interesse que representa o disco óptico, cuja segmentação baseia-se na marcação do especialista contida na base pública RIM-ONE. As amostras são pré-processadas através do método das cores oponentes seguida da equalização de histograma. O Índice de Moran e a função K de Ripley são utilizadas para descrever a textura da região do disco óptico. A Máquina de Vetores de Suporte é usada para realizar a classificação. O método apresentou resultados promissores, alcançando como melhor resultado uma acurácia de 95,08%, sensibilidade de 93,4% e especificidade de 96,4%, e demonstra um notável desempenho da metodologia proposta quando comparada aos métodos disponíveis na literatura para diagnóstico de glaucoma. |
Abstract: | Glaucoma is a disease of the retina considered the second leading cause of blindness in the world reaching an approximate prevalence between 1% and 2% of the population, according to data from the World Health Organization (WHO). It is usually caused by increased fluid pressure in the optic nerve, leading to progressive and irreversible loss of vision. Early diagnosis of glaucoma is therefore critical to ensure a prompt and adequate treatment, being able to minimize damage and prevent loss of vision. Thus, the use of detection and diagnostic systems (CAD - Computer Aided Detection and CADx - Computer Aided Diagnosis) to assist the specialist has increased the chances of correct diagnoses. Photographs of fundus eye (retinographies) are used as a valuable resource in medical diagnoses, as they often present indications about eye diseases such as glaucoma. In this context, this work presents a methodology based on image processing to diagnose glaucoma from the image texture analysis represented using Compound Local Binary Pattern and spatial statistics applied in medical images of retinographies. The method is applied on the region of interest that represents the optical disk, whose segmentation is based on the gold standards in the RIM-ONE public base. Samples are preprocessed using the opponent colors method followed by histogram equalization. The Moran Index and Ripley’s K function are used to describe the texture of the optical disc region. The Support Vector Machine is used to perform classification. The method presented promising results, reaching 95.08% accuracy, 93.4% sensitivity and 96.4% specificity as the best result, and it demonstrates a remarkable performance of the proposed methodology when compared to the methods available in the literature for diagnosis of glaucoma. |
Palavras-chave: | Glaucoma Retinografia Máquina de Vetores de Suporte Estatística Espacial Retinography Support Vector Machine Spatial Statistics |
Área(s) do CNPq: | Processamento Gráfico |
Idioma: | por |
País: | Brasil |
Instituição: | Universidade Federal do Maranhão |
Sigla da instituição: | UFMA |
Departamento: | DEPARTAMENTO DE INFORMÁTICA/CCET |
Programa: | PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET |
Citação: | SILVA, Camila Costa. Diagnóstico de glaucoma em imagens de fundo de olho utilizando estatística espacial. 2018. 82 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do Maranhão, São Luís, 2018. |
Tipo de acesso: | Acesso Aberto |
URI: | https://tedebc.ufma.br/jspui/handle/tede/tede/2255 |
Data de defesa: | 27-Fev-2018 |
Aparece nas coleções: | DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
CamilaSilva.pdf | Dissertação | 3,87 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.