DIAGNÓSTICO DE GLAUCOMA EM RETINOGRAFIAS USANDO ÍNDICES TAXONÔMICOS E APRENDIZADO DE MÁQUINA

Resumo

O glaucoma é uma doença óptica irreversível que degrada o nervo óptico até a completa perda do campo visual. A Organização Mundial de Saúde estima que o glaucoma seja responsável por aproximadamente 5,2 milhões de casos de cegueira que equivale a 15% do total de cegueira mundial, e até 2020 pode chegar a 11,2 milhões de casos. Os sintomas só se manifestam quando a doença está em estágio avançado. Nesse contexto, este trabalho apresenta um método computacional utilizando descritores de textura para detectar o glaucoma automaticamente em imagens de fundo de olho. Para descrever a textura foram utilizados índices taxonômicos e na definição do melhor modelo de classificação das imagens utilizou-se técnicas de aprendizado de máquina automatizado com otimização Bayesiana. O método proposto está organizado em cinco etapas: (1) Pré-processamento, (2) Conversão em Espaços de Cores, (3) Extração de características, (4) Classificação e (5) Validação de resultados. Os experimentos foram realizados em 922 imagens de retinografia de bases públicas, sendo 455 da RIM-ONE versão 2, 400 da iChallenge-GON e 67 da base Kaggle1000fundusimages. O método apresentou resultados promissores obtendo 90,20% de sensibilidade,  94,03% de especificidade , f1 score de 0,82 e 92,97% de acurácia.