Medição computacional da escala de graduação Efron: o caso da hiperémia conjuntival

• Autor(a) principal: Santos, Joana
• Data de Publicação: 2011
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.6/1013
• topic: Hiperémia conjuntival; Hiperémia conjuntival - Escala de Efron; Hiperémia conjuntival - Diagnóstico; Hiperémia conjuntival - Prevenção; Onduletas

Neste trabalho foi desenvolvido um método que permite a graduação computacional da hiperémia conjuntival na escala de Efron, utilizando técnicas de análise e processamento de imagem. Após a recolha de um conjunto de imagens representativas da hiperémia conjuntival nos diferentes níveis da escala de Efron, foram constituídos dois conjuntos de imagens, um de treino e outro de teste. Ambos os conjuntos contém imagens dos vários graus constituintes da escala de Efron. A cada imagem, foi aplicada a transformada de onduleta discreta com dois níveis de decomposição, resultando de cada nível quatro coeficientes. Desta forma, foram constituídos dois descritores, um que resulta do cálculo do desvio padrão normalizado dos referidos coeficientes e outro que é obtido pela normalização da média e desvio padrão (juntos). Assim, o primeiro descritor é formado por oito coeficientes e o segundo por dezasseis. Para obter a classificação das imagens de teste nos diferentes graus, foram utilizados dois classificadores distintos, o K-NN e o SVM, de forma a perceber qual fornece melhores resultados. Foram igualmente efectuadas comparações entre as diferentes componentes da imagem, verde, vermelho, azul e níveis de cinzentos, analisadas isoladamente. Foram ainda testados vários filtros das onduletas, diferentes distâncias no K-NN e distintas funções “kernel” para o SVM. Efectuadas as comparações, é possível concluir que, o método que melhor classifica automaticamente as imagens na escala de Efron, no caso particular da hiperémia conjuntival, usa apenas a componente verde das imagens, utiliza o filtro daubechy db1 das onduletas com o descritor do desvio padrão e tem o K-NN, com distância euclidiana, como classificador.