Year: 2019
Type: conference-paper
Abstract: Glaucoma é uma doença que danifica o nervo óptico. Ela é consi- derada a segunda principal causa de cegueira no mundo. Vários sistemas de diagnóstico automático têm sido propostos. No entanto, esses sistemas não fo- ram capazes de lidar com uma grande diversidade de imagens. Portanto, tais métodos não são viáveis para uso em programas de triagem. Realizamos um ex- tenso estudo para definir o melhor conjunto de atributos para a representação da imagem. No total, avaliamos 16.469 caracterı́sticas. Nossa abordagem de detecção de glaucoma usa descritores de textura e Redes Neurais Convolucio- nais (CNNs). Avaliamos nossa proposta em um total de 873 imagens de quatro bancos de dados públicos e concluı́mos que a junção da GLCM e CNNs pré- treinadas juntamente com o uso do classificador Random Forest são promisso- res na detecção desta patologia, obtendo uma acurácia de 93,35% e um ı́ndice Kappa considerado Excelente.
Institution: Universidade Federal do Piauí
Language: Portuguese
Topic: Retinal Imaging and Analysis
Subfield: Radiology, Nuclear Medicine and Imaging
Field: Medicine
Domain: Health Sciences
Open Access status: gold
OpenAlex ID: W2968213835