@PHDTHESIS{ 2021:507718712,
 	title = {Detecção de Degeneração Macular Relacionada à Idade e Edema Macular Diabético em Imagens de Tomografia de Coerência Optica Utilizando Redes Neurais Convolucionais e Capsule Network.},
 	year = {2021},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/3411",
 	abstract = "Esta tese apresenta dois métodos completamente automáticos para diagnóstico de
 degeneração macular relacionada à idade (DMRI) e edema macular diabético (EMD),
 por meio da utilização de técnicas de processamento de imagens e reconhecimento de
 padrões aplicadas a exames de tomografia de coerência óptica (OCT). A degeneração
 macular relacionada a idade e o edema macular diabético são doenças oculares que podem
 causar deficiência visual. A degeneração macular acomete principalmente idosos com
 mais de 50 anos, já o edema macular é uma consequência da retinopatia diabética que
 por sua vez acomete pessoas portadoras do diabetes. A tomografia de coerência óptica
 é um dos principais exames para a detecção e acompanhamento de doenças oculares. A
 avaliação das alterações causadas por DMRI e EMD a partir de imagens de OCT se dá
 através da avaliação dos sucessivos cortes seccionais na busca por alterações morfológicas.
 A utilização de sistemas CAD (Computer-Aided Detection) e CADx (Computer-Aided
 Diagnosis) tem contribuído para aumentar as chances de detecção e diagnósticos corretos,
 auxiliando os especialistas na tomada de decisões sobre o tratamento dessas doenças.
 Assim, desenvolveu-se um método que utiliza a segmentação das bordas das camadas da
 retina em imagens de OCT feita com duas redes neurais profundas, U-Net e DexiNed,
 para delimitar as bordas, e a classificação utiliza uma rede neural profunda residual. O
 segundo método desenvolvido para a detecção automática da DMRI e do EMD utiliza uma
 arquitetura Capsule Network com camadas baseadas no Local Binary Pattern. O método
 proposto de segmentação mostrou-se promissor, alcançando um erro médio absoluto geral
 de 0, 49 pixels para a membrana limitante interna (MLI), 0, 57 para o epitélio pigmentar
 retiniano (EPR) e 0, 66 para a membrana de Bruch (MB). Os métodos de classificação
 atingiram respectivamente uma acurácia de 99% e 98% entre múltiplas classes (Drusas,
 Neovascularização Coroidal, EMD e Normal).",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}