Use this identifier to cite or link to this item: http://hdl.handle.net/10737/2863
Title: Segmentação do disco óptico e escavação com o uso de redes neurais para auxílio à detecção de glaucoma
Authors: Caron, Eduardo
Keywords: Glaucoma;Inteligência Artificial;Rede Neural Artificial;U-Net;Artificial Intelligence;Artificial Neural Network;Image segmentation
Date of Defense: 14-Jul-2020
Issue Date: Jun-2020
Citation: CARON, Eduardo. Segmentação do disco óptico e escavação com o uso de redes neurais para auxílio à detecção de glaucoma. 2020. Monografia (Graduação em Engenharia de Software) – Universidade do Vale do Taquari - Univates, Lajeado, 14 jul. 2020. Disponível em: http://hdl.handle.net/10737/2863.
Abstract: O uso de Inteligência Artificial (IA) para resolução de problemas complexos vem ganhando força no mundo inteiro. Técnicas baseadas em IA estão sendo amplamente adotadas no reconhecimento de imagens, de fala e de processamento de linguagem natural em diferentes áreas. A área da saúde está aderindo cada vez mais a Inteligência Artificial para diagnóstico e classificação de doenças, tendo como exemplo a doença de glaucoma, que pode ser detectada tanto por meio do processamento automatizado de grandes conjuntos de dados, quanto pela detecção precoce de novos padrões de doenças. Além disso, a IA promete mudar fundamentalmente as pesquisas que visam entender o desenvolvimento, a progressão e o tratamento do glaucoma, identificando novos fatores de risco e avaliando a importância dos existentes. Diante disso, o objetivo do presente trabalho foi verificar se a Rede Neural Artificial (RNA) de arquitetura U-Net é capaz de realizar a segmentação do disco óptico e a segmentação da escavação a partir de imagens de fundo de olho da base de imagens RIM-ONE, servindo de apoio aos profissionais na detecção do glaucoma. Como resultado, foi obtido um F1-score médio de 0,9440 para a segmentação do disco óptico e um F1-score médio de 0,8350 para a segmentação da escavação, comprovando que a rede neural U-Net é capaz de realizar a segmentação com boas métricas.
The use of Artificial Intelligence (AI) to solve complex tasks has been gaining force all over the world. AI-based techniques are being widely adopted in image recognition, speech recognition and natural language processing in different areas. The health area is increasingly adhering to Artificial Intelligence for diagnosis and classification of diseases, with the example of the glaucoma disease, which can be detected either through the automated processing of large datasets, or by the early detection of new patterns of diseases. In addition, AI promises to fundamentally change the research aimed at understanding the development, progression and treatment of glaucoma, identifying new risk factors and assessing the importance of existing ones. Therefore, the objective of the present work was to verify if the Artificial Neural Network (ANN) using the U-Net architecture is able to perform optic disk segmentation and optic cup segmentation on fundus images of the RIM-ONE image dataset, supporting professionals in the detection of glaucoma. As a result, an average F1-score of 0.9440 was obtained for the optic disk segmentation and an average F1-score of 0.8350 for the optic cup segmentation, proving that the U-Net neural network is capable of performing segmentation with good metrics.
URI: http://hdl.handle.net/10737/2863
Appears in Collections:Engenharia de Software

Files in This Item:
File Description SizeFormat 
2020EduardoCaron.pdf2,14 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons