@MASTERSTHESIS{ 2021:887284354,
 	title = {Redes neurais multinível para classificação do ângulo da câmara anterior utilizando Imagens OCT-SA},
 	year = {2021},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/3356",
 	abstract = "O glaucoma é apontado como sendo uma das principais causas de comprometimento da
 visão, e a principal causa de cegueira irreversível. As principais formas da doença são o
 glaucoma primário de ângulo aberto e o glaucoma primário de ângulo fechado. Em pessoas
 com glaucoma de ângulo fechado, ocorre o estreitamento do ângulo da câmara anterior,
 consequentemente acarretando o aumento da pressão intraocular provocando danos ao
 nervo óptico, causando perda parcial ou total da visão. Como os danos são irreversíveis,
 um diagnóstico precoce é essencial, porém é dificultado devido ao fato da doença ser
 assintomática nos estágios iniciais. Para detecção precoce da doença, são recomendados
 exames de imagem de rotina, sendo um deles a Tomografia de Coerência Óptica do
 Segmento Anterior, que permite a classificação do ângulo, fundamental para o diagnóstico.
 A análise deste tipo de imagem requer um grau de interpretação por parte dos especialistas,
 devido a isso, a avaliação de muitas imagens demanda muito tempo, podendo levar a fadiga
 do profissional. A utilização de métodos automáticos para auxiliar na interpretação das
 imagens contribuiria para obtenção de diagnósticos mais rapidamente. Neste trabalho é
 proposto um método automático para classificação do ângulo da câmara anterior, presente
 em imagens de Tomografia do Segmento Anterior, baseado em aprendizagem profunda,
 utilizando redes neurais convolucionais. Inicialmente, cinco modelos pré-treinados de redes
 convolucionais foram ajustados para extração de características e classificação das imagens.
 A seguir, os modelos foram combinados em uma arquitetura multinível, com o objetivo de
 se aumentar a capacidade de classificação. Como melhor resultado foi alcançado um valor
 AUC (do inglês, Area Under the Curve) de 0,999.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET},
 	note = {DEPARTAMENTO DE INFORMÁTICA/CCET}
}