Palavras-chave
segmentação
redes neurais profundas
Como Citar
Resumo
A retinopatia diabética é uma das principais causas de perda de visão, sendo diagnosticada mediante a investigação da presença de lesões na retina, tais como exsudatos duros e algodonosos, microaneurismas e hemorragias. A identificação e o tratamento dessas lesões, em fases iniciais, podem evitar a perda de visão. O diagnóstico é complexo e necessita de profissionais especializados e infraestrutura para atender à crescente demanda. Diante disso, este trabalho propõe um método baseado em redes neurais profundas para realizar a segmentação de lesões associadas à retinopatia diabética. O método proposto demonstrou ser eficaz na identificação das lesões, obtendo na etapa de teste acurácias de 99,91%, 99,96%, 99,51% e 99,98%, para exsudatos duros, exsudatos algodonosos, hemorragias e microaneurismas, respectivamente.
Referências
BUSLAEV, A. et al. Albumentations: fast and flexible image augmentations. In: COMPUTER VISION AND PATTERN RECOGNITION, 2018, Cornel. 2018. Dis-ponível em: https://arxiv.org/abs/1809.06839. Acesso em: 22 nov. 2024.
INTERNATIONAL DIABETES FEDERATION. Facts & figures, 2024. Disponível em: https://idf.org/about-diabetes/diabetes-facts-figures/. Acesso em: 14 out. 2024.
LI, T. et al. Diagnostic assessment of deep learning algorithms for diabetic reti-nopathy screening. Information Sciences: an international journal, v. 501, n. C, p. 511-522, 2019. Disponível em: https://dl.acm.org/doi/10.1016/j.ins.2019.06.011. Acesso em: 14 out. 2024.
OLIVEIRA, M, V. et al. PPM-UNET: uma rede neural convolucional para a seg-mentação de rins em imagens de TC. In: SIMPÓSIO BRASILEIRO DE COMPU-TAÇÃO APLICADA À SAÚDE, 22., 2022, Teresina. Anais eletrônicos[...]. Teresi-na: Sociedade Brasileira de Computação, 2022. Disponível em: https://sol.sbc.org.br/index.php/sbcas/article/view/21638. Acesso em: 09 ago. 2024.
RONNEBERGER, O.; FISCHER, P.; BROX, T. U-Net: Convolutional networks for biomedical image segmentation. In: MEDICAL IMAGE COMPUTING AND COM-PUTER-ASSISTED INTERVENTION (MICCAI 2015), 2015, Cornell. 2015. Dispo-nível em: https://arxiv.org/abs/1505.04597v1. Acesso em: 09 ago. 2024.
SANTOS, C. et al. A new approach for detecting fundus lesions using image pro-cessing and deep neural network architecture based on YOLO Model. Sensors, v. 17, n. 22, p. 1-37, 2022. Disponível em: https://www.mdpi.com/1424-8220/22/17/6441. Acesso em: 09 ago. 2024.
SILVA, W. A. Segmentação do disco óptico em imagens retinoscópicas utili-zando a Rede Neural Convolucional U-Net. 2019. Monografia (Trabalho de Conclusão de Curso) - Universidade Federal do Piauí, Piauí, 2019. Disponível em: https://bit.ly/46JHzqf. Acesso em: 09 ago. 2024.
This work is licensed under a Creative Commons Attribution 4.0 International License.
Copyright (c) 2024 Boletim Técnico-Científico