METODOLOGIA PARA IDENTIFICAÇÃO DE GLAUCOMA EM IMAGENS DE RETINA

Abstract

RESUMO: O Glaucoma é uma doença ocular que danifica o nervo óptico causando a perda da visão, é considerada a segunda principal causa de cegueira no mundo, ficando atrás apenas da catarata. Com o objetivo de auxiliar especialistas no diagnóstico desta doença, sistemas de auxílio por computador são utilizados para reduzir a possibilidade da prescrição de tratamentos inadequados. Assim, vem sendo desenvolvidos métodos de diagnóstico automático de glaucoma. Contudo é possível realizar melhorias nestas técnicas, visto que, os métodos atuais demonstram não ser capazes de lidar com uma grande diversidade de imagens. Existem duas regiões das imagens da retina que são de suma importância para a detecção do glaucoma, a região do disco óptico e a região da escavação. Este trabalho apresenta uma nova metodologia de diagnóstico do glaucoma aplicada nas imagens da retina. É aplicado descritores de textura e Redes Neurais Convolucionais (CNNs) nas imagens da retina sem segmentação (imagem original) e em imagens segmentadas na região do disco óptico, com o intuito de avaliar o melhor cenário a ser aplicado os descritores. As características obtidas são selecionadas de acordo com a sua razão de ganho de informação. O método proposto tem como objetivo ser capaz de classificar corretamente imagens com diferentes características advindas de diferentes bases de imagens. Os resultados mostraram que a junção dos descritores GLCM e CNNs e a utilização do classificador Random Forest são promissores na detecção dessa patologia, obtendo uma acurácia de 93,35% em 873 imagens de quatro bases de dados públicas. ABSTRACT: Glaucoma is an eye disease that damages the optic nerve causing vision loss, it’s considered the second leading cause of blindness in the world, falling behind only the cataract. In order to assist specialists in the diagnosis of this disease, computer aided systems are used to reduce the possibility of prescribing inappropriate treatments. Thus, automatic diagnostic systems for glaucoma have been developed. However, it is possible to make improvements in these techniques, since current systems do not deal with a great diversity of images. There are two regions of the retinal images that are of great importance for the detection of glaucoma, being the regions of the optic disc and the excavation. This work presents a new methodology for the creation of a diagnostic method for glaucoma applied to retinal images. It will be applied texture descriptors and Convolutional Neural Networks (CNNs) in the images of the retina without segmentation (original image) and in segmented images in the region of the optical disc. The characteristics obtained are selected according to their information gain ratio. The proposed system aims to be able to correctly classify images with different characteristics derived from different image bases. The results showed that the junction of the GLCM and CNNs descriptors and the use of the Random Forest classifier are promising in the detection of this pathology, obtaining an accuracy of 93.35% in 873 images from four public databases.