???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: https://tedebc.ufma.br/jspui/handle/tede/tede/2592
Tipo do documento: Dissertação
Título: Detecção automática da presença de patologia na visão baseada em imagens do teste de Brückner
Título(s) alternativo(s): Automatic detection of the presence of pathology in the image-based view of the Brückner test
Autor: SILVA, Italo Francyles Santos da 
Primeiro orientador: ALMEIDA, João Dallyson Sousa de
Primeiro membro da banca: ALMEIDA, João Dallyson Sousa de
Segundo membro da banca: BRAZ JÚNIOR, Geraldo
Terceiro membro da banca: TEIXEIRA, Jorge Antônio Meireles
Quarto membro da banca: ARAÚJO, Sidnei Alves de
Resumo: De acordo com o Conselho Brasileiro de Oftalmologia - CBO (2014), cerca de 4 milhões de brasileiros possuem alguma deficiência visual, sendo que desses, 33 mil crianças são cegas em decorrência de doenças que poderiam ter sido evitadas ou tratadas em tempo. Por ser de interesse à saúde pública, o Teste de Brückner, ou exame do reflexo vermelho, também conhecido como teste do olhinho, tem se consolidado como estratégia de diagnóstico precoce e prevenção de patologias oculares, o que pode trazer impactos significativos para a sociedade. Neste contexto, propõe-se um método automático de detecção de patologia na visão em imagens do Teste de Brückner, baseado em algoritmos de processamento e análise de imagens digitais e aprendizado de máquina, com intuito de contribuir no desenvolvimento de sistemas de diagnóstico assistido por computador de maior precisão e por conseguinte auxiliar no combate e prevenção das doenças. O método proposto utiliza técnicas de análise de cores e textura nas imagens do reflexo retiniano e faz uso de aprendizado de máquina para classificar os casos em sudáveis ou patológicos. O método proposto alcança 95,25% de acurácia, 84,66% de sensibilidade e 98,90% de especificidade utilizando o classificador Máquina de Vetores de Suporte.
Abstract: According to Brazilian Council of Ophthalmology - CBO (2014), 4 million people have some visual impairment. 33 thousand children are blinded by diseases that could be avoided or treated in time. Brückner Test interests to public health. Also known as red-reflex examination, it is an important way for early diagnosis and prevention of optical diseases. It may bring a positive social impact. In this context, this work proposes an automatic method for optical pathologies detection in Brückner test images. This method is based on image processing and machine learning algorithms, contributing for deployment of an accurate computer-aided diagnosis system that helps to avoid and prevent diseases. The proposed method uses texture and color analysis techniques and machine learning to classify cases in healthy or unhealthy. The proposed method reaches 95.25% accuracy, 84.66% sensibility, and 98.90% specificity by using Support Vector Machine classifier.
Palavras-chave: Teste de Brückner
Reflexo vermelho
Análise de textura
Análise de cores
Máquina de vetores de suporte
Brückner Test
Red-reflex
Texture analysis
Color analysis
Support vector machine
Área(s) do CNPq: Análise de Algoritmos e Complexidade de Computação
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, Italo Francyles Santos da. Detecção automática da presença de patologia na visão baseada em imagens do teste de Brückner. 2019.99 f. Dissertação (Programa de Pós-Graduação em Ciência da Computação/CCET) - Universidade Federal do Maranhão, São Luís .
Tipo de acesso: Acesso Aberto
URI: https://tedebc.ufma.br/jspui/handle/tede/tede/2592
Data de defesa: 18-Feb-2019
Appears in Collections:DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO

Files in This Item:
File Description SizeFormat 
ItaloSilva.pdfDissertação de Mestardo2,27 MBAdobe PDFDownload/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.