DIAGNÓSTICO DE DEGENERAÇÃO MACULAR RELACIONADA À IDADE A PARTIR DE TOMOGRAFIA DE COERÊNCIA ÓPTICA USANDO GEOESTATÍSTICA E CAPSULE NETWORKS.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFMA |
Texto Completo: | https://tedebc.ufma.br/jspui/handle/tede/2744 |
Resumo: | In this thesis, we propose a fully automated method for age-related macular degeneration (AMD) diagnosis based on image processing and computer learning techniques applied to OCT. AMD is a degenerative retinal disease considered to be one of the leading causes of blindness in the world’s elderly population. OCT is one of the major imaging tests for the detection and the monitoring of AMD, being a high-resolution biological imaging technology that allows the three-dimensional visualization of the internal structures of the eye on a micrometer scale. The evaluation of the generated images comes about through the specialist’s evaluation of the successive image slices in the search for morphological alterations in the macular region. Thus, the main objective of this thesis is the development and validation of an automatic detection of AMD, based on OCT images, which has high sensitivity and specificity for disease detection, reducing the need for large quantity visualization by the specialist for screening and detection. The main issues addressed in this work are the segmentation of the total retina and retinal pigment epithelial layer, as well as the methodology for AMD diagnosis. The proposed segmentation method is based on the use of deep-learning network CapsNet and graph cutting technique. The diagnostic method is based on geostatistical descriptors calculated on topographic maps of the retina. The classification uses support vector machine. The performed tests with 76 volumes of OCT reached an area under the ROC curve value of 0.996. |
id |
UFMA_a97e612df11e332cf0adcda628c4eb20 |
---|---|
oai_identifier_str |
oai:tede2:tede/2744 |
network_acronym_str |
UFMA |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFMA |
repository_id_str |
2131 |
spelling |
PAIVA, Anselmo Cardoso de375.523.843-87http://lattes.cnpq.br/6446831084215512SILVA, Aristófanes Corrêa288.745.363-72http://lattes.cnpq.br/2446301582459104PAIVA, Anselmo Cardoso de375.523.843-87http://lattes.cnpq.br/6446831084215512SILVA, Aristófanes Corrêa288.745.363-72http://lattes.cnpq.br/2446301582459104CONCI, Aurahttp://lattes.cnpq.br/5601388085745497VERAS, Rodrigo de Melo Souzahttp://lattes.cnpq.br/2634254790193199SANTANA, Ewaldo Eder Carvalhohttp://lattes.cnpq.br/0660692009750374003.588.123-21http://lattes.cnpq.br/2832087123166580SANTOS, Alex Martins2019-06-25T14:24:47Z2019-05-08SANTOS, Alex Martins. Diagnóstico de degeneração macular relacionada à idade a partir de tomografia de coerência óptica usando geoestatística e capsule networks.. 2019. 108 folhas. Tese(Programa de Pós-Graduação em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís.https://tedebc.ufma.br/jspui/handle/tede/2744In this thesis, we propose a fully automated method for age-related macular degeneration (AMD) diagnosis based on image processing and computer learning techniques applied to OCT. AMD is a degenerative retinal disease considered to be one of the leading causes of blindness in the world’s elderly population. OCT is one of the major imaging tests for the detection and the monitoring of AMD, being a high-resolution biological imaging technology that allows the three-dimensional visualization of the internal structures of the eye on a micrometer scale. The evaluation of the generated images comes about through the specialist’s evaluation of the successive image slices in the search for morphological alterations in the macular region. Thus, the main objective of this thesis is the development and validation of an automatic detection of AMD, based on OCT images, which has high sensitivity and specificity for disease detection, reducing the need for large quantity visualization by the specialist for screening and detection. The main issues addressed in this work are the segmentation of the total retina and retinal pigment epithelial layer, as well as the methodology for AMD diagnosis. The proposed segmentation method is based on the use of deep-learning network CapsNet and graph cutting technique. The diagnostic method is based on geostatistical descriptors calculated on topographic maps of the retina. The classification uses support vector machine. The performed tests with 76 volumes of OCT reached an area under the ROC curve value of 0.996.Nesta tese, propomos um método completamente automático para diagnóstico de degeneração macular relacionada à idade (DMRI), por meio de técnicas de processamento de imagens e aprendizado computacional aplicadas a exames de tomografia de coerência óptica (OCT). A DMRI é uma doença degenerativa da retina considerada como uma das principais causas de cegueira da população idosa mundial. A OCT é um dos principais exames de imagem para a detecção e acompanhamento da DMRI, sendo uma tecnologia de captação de imagens de tecidos biológicos em alta resolução que permite a visualização tridimensional das estruturas internas do olho em escala micrométrica. A avaliação das imagens geradas se dá através da avaliação, por parte do especialista, dos sucessivos cortes seccionais na busca por alterações morfológicas na região macular. Assim, o objetivo principal desta tese é o desenvolvimento e validação de um método de detecção automática de DMRI, a partir de exames de OCT, que possua alta sensibilidade e especificidade para a detecção da doença, diminuindo a necessidade de visualização de grande quantidade de dados pelo especialista para rastreio e detecção. Os principais problemas abordados neste trabalho são a segmentação da retina total e camada do epitélio pigmentado retiniano, assim como a metodologia para o diagnóstico de DMRI. O método de segmentação proposto é baseado na utilização de redes de aprendizado profundo Capsnet e corte de grafo. O método de diagnóstico automático é baseado em descritores geoestatísticos calculados sobre mapas topográficos da retina. A classificação utiliza a técnica de máquina de vetores de suporte. Testes realizados com 76 volumes de OCT alcançaram resultado de área sob a curva ROC de 0,996.Submitted by Maria Aparecida (cidazen@gmail.com) on 2019-06-25T14:24:47Z No. of bitstreams: 1 Alex Martins Santos.pdf: 7345677 bytes, checksum: 454e3a7885fa4fc80a20add485cb50b9 (MD5)Made available in DSpace on 2019-06-25T14:24:47Z (GMT). No. of bitstreams: 1 Alex Martins Santos.pdf: 7345677 bytes, checksum: 454e3a7885fa4fc80a20add485cb50b9 (MD5) Previous issue date: 2019-05-08FAPEMAapplication/pdfporUniversidade Federal do MaranhãoPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCETUFMABrasilDEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCETDMRI; OCT; Retina; CapsuleNetAMD; OCT; Retina; CapsuleNetModelos Analíticos e de Simulação.DIAGNÓSTICO DE DEGENERAÇÃO MACULAR RELACIONADA À IDADE A PARTIR DE TOMOGRAFIA DE COERÊNCIA ÓPTICA USANDO GEOESTATÍSTICA E CAPSULE NETWORKS.DIAGNOSIS OF MACULAR DEGENERATION RELATED TO AGE FROM OPTICAL COHERENCE TOMOGRAPHY USING GEOSTATISTICS AND CAPSULE NETWORKS.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFMAinstname:Universidade Federal do Maranhão (UFMA)instacron:UFMAORIGINALAlex Martins Santos.pdfAlex Martins Santos.pdfapplication/pdf7345677http://tedebc.ufma.br:8080/bitstream/tede/2744/2/Alex+Martins+Santos.pdf454e3a7885fa4fc80a20add485cb50b9MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82255http://tedebc.ufma.br:8080/bitstream/tede/2744/1/license.txt97eeade1fce43278e63fe063657f8083MD51tede/27442019-06-25 11:24:47.799oai:tede2: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Biblioteca Digital de Teses e Dissertaçõeshttps://tedebc.ufma.br/jspui/PUBhttp://tedebc.ufma.br:8080/oai/requestrepositorio@ufma.br||repositorio@ufma.bropendoar:21312019-06-25T14:24:47Biblioteca Digital de Teses e Dissertações da UFMA - Universidade Federal do Maranhão (UFMA)false |
dc.title.por.fl_str_mv |
DIAGNÓSTICO DE DEGENERAÇÃO MACULAR RELACIONADA À IDADE A PARTIR DE TOMOGRAFIA DE COERÊNCIA ÓPTICA USANDO GEOESTATÍSTICA E CAPSULE NETWORKS. |
dc.title.alternative.eng.fl_str_mv |
DIAGNOSIS OF MACULAR DEGENERATION RELATED TO AGE FROM OPTICAL COHERENCE TOMOGRAPHY USING GEOSTATISTICS AND CAPSULE NETWORKS. |
title |
DIAGNÓSTICO DE DEGENERAÇÃO MACULAR RELACIONADA À IDADE A PARTIR DE TOMOGRAFIA DE COERÊNCIA ÓPTICA USANDO GEOESTATÍSTICA E CAPSULE NETWORKS. |
spellingShingle |
DIAGNÓSTICO DE DEGENERAÇÃO MACULAR RELACIONADA À IDADE A PARTIR DE TOMOGRAFIA DE COERÊNCIA ÓPTICA USANDO GEOESTATÍSTICA E CAPSULE NETWORKS. SANTOS, Alex Martins DMRI; OCT; Retina; CapsuleNet AMD; OCT; Retina; CapsuleNet Modelos Analíticos e de Simulação. |
title_short |
DIAGNÓSTICO DE DEGENERAÇÃO MACULAR RELACIONADA À IDADE A PARTIR DE TOMOGRAFIA DE COERÊNCIA ÓPTICA USANDO GEOESTATÍSTICA E CAPSULE NETWORKS. |
title_full |
DIAGNÓSTICO DE DEGENERAÇÃO MACULAR RELACIONADA À IDADE A PARTIR DE TOMOGRAFIA DE COERÊNCIA ÓPTICA USANDO GEOESTATÍSTICA E CAPSULE NETWORKS. |
title_fullStr |
DIAGNÓSTICO DE DEGENERAÇÃO MACULAR RELACIONADA À IDADE A PARTIR DE TOMOGRAFIA DE COERÊNCIA ÓPTICA USANDO GEOESTATÍSTICA E CAPSULE NETWORKS. |
title_full_unstemmed |
DIAGNÓSTICO DE DEGENERAÇÃO MACULAR RELACIONADA À IDADE A PARTIR DE TOMOGRAFIA DE COERÊNCIA ÓPTICA USANDO GEOESTATÍSTICA E CAPSULE NETWORKS. |
title_sort |
DIAGNÓSTICO DE DEGENERAÇÃO MACULAR RELACIONADA À IDADE A PARTIR DE TOMOGRAFIA DE COERÊNCIA ÓPTICA USANDO GEOESTATÍSTICA E CAPSULE NETWORKS. |
author |
SANTOS, Alex Martins |
author_facet |
SANTOS, Alex Martins |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
PAIVA, Anselmo Cardoso de |
dc.contributor.advisor1ID.fl_str_mv |
375.523.843-87 |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/6446831084215512 |
dc.contributor.advisor-co1.fl_str_mv |
SILVA, Aristófanes Corrêa |
dc.contributor.advisor-co1ID.fl_str_mv |
288.745.363-72 |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/2446301582459104 |
dc.contributor.referee1.fl_str_mv |
PAIVA, Anselmo Cardoso de |
dc.contributor.referee1ID.fl_str_mv |
375.523.843-87 |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/6446831084215512 |
dc.contributor.referee2.fl_str_mv |
SILVA, Aristófanes Corrêa |
dc.contributor.referee2ID.fl_str_mv |
288.745.363-72 |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/2446301582459104 |
dc.contributor.referee3.fl_str_mv |
CONCI, Aura |
dc.contributor.referee3Lattes.fl_str_mv |
http://lattes.cnpq.br/5601388085745497 |
dc.contributor.referee4.fl_str_mv |
VERAS, Rodrigo de Melo Souza |
dc.contributor.referee4Lattes.fl_str_mv |
http://lattes.cnpq.br/2634254790193199 |
dc.contributor.referee5.fl_str_mv |
SANTANA, Ewaldo Eder Carvalho |
dc.contributor.referee5Lattes.fl_str_mv |
http://lattes.cnpq.br/0660692009750374 |
dc.contributor.authorID.fl_str_mv |
003.588.123-21 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/2832087123166580 |
dc.contributor.author.fl_str_mv |
SANTOS, Alex Martins |
contributor_str_mv |
PAIVA, Anselmo Cardoso de SILVA, Aristófanes Corrêa PAIVA, Anselmo Cardoso de SILVA, Aristófanes Corrêa CONCI, Aura VERAS, Rodrigo de Melo Souza SANTANA, Ewaldo Eder Carvalho |
dc.subject.por.fl_str_mv |
DMRI; OCT; Retina; CapsuleNet |
topic |
DMRI; OCT; Retina; CapsuleNet AMD; OCT; Retina; CapsuleNet Modelos Analíticos e de Simulação. |
dc.subject.eng.fl_str_mv |
AMD; OCT; Retina; CapsuleNet |
dc.subject.cnpq.fl_str_mv |
Modelos Analíticos e de Simulação. |
description |
In this thesis, we propose a fully automated method for age-related macular degeneration (AMD) diagnosis based on image processing and computer learning techniques applied to OCT. AMD is a degenerative retinal disease considered to be one of the leading causes of blindness in the world’s elderly population. OCT is one of the major imaging tests for the detection and the monitoring of AMD, being a high-resolution biological imaging technology that allows the three-dimensional visualization of the internal structures of the eye on a micrometer scale. The evaluation of the generated images comes about through the specialist’s evaluation of the successive image slices in the search for morphological alterations in the macular region. Thus, the main objective of this thesis is the development and validation of an automatic detection of AMD, based on OCT images, which has high sensitivity and specificity for disease detection, reducing the need for large quantity visualization by the specialist for screening and detection. The main issues addressed in this work are the segmentation of the total retina and retinal pigment epithelial layer, as well as the methodology for AMD diagnosis. The proposed segmentation method is based on the use of deep-learning network CapsNet and graph cutting technique. The diagnostic method is based on geostatistical descriptors calculated on topographic maps of the retina. The classification uses support vector machine. The performed tests with 76 volumes of OCT reached an area under the ROC curve value of 0.996. |
publishDate |
2019 |
dc.date.accessioned.fl_str_mv |
2019-06-25T14:24:47Z |
dc.date.issued.fl_str_mv |
2019-05-08 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
SANTOS, Alex Martins. Diagnóstico de degeneração macular relacionada à idade a partir de tomografia de coerência óptica usando geoestatística e capsule networks.. 2019. 108 folhas. Tese(Programa de Pós-Graduação em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís. |
dc.identifier.uri.fl_str_mv |
https://tedebc.ufma.br/jspui/handle/tede/2744 |
identifier_str_mv |
SANTOS, Alex Martins. Diagnóstico de degeneração macular relacionada à idade a partir de tomografia de coerência óptica usando geoestatística e capsule networks.. 2019. 108 folhas. Tese(Programa de Pós-Graduação em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís. |
url |
https://tedebc.ufma.br/jspui/handle/tede/2744 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal do Maranhão |
dc.publisher.program.fl_str_mv |
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET |
dc.publisher.initials.fl_str_mv |
UFMA |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET |
publisher.none.fl_str_mv |
Universidade Federal do Maranhão |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFMA instname:Universidade Federal do Maranhão (UFMA) instacron:UFMA |
instname_str |
Universidade Federal do Maranhão (UFMA) |
instacron_str |
UFMA |
institution |
UFMA |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFMA |
collection |
Biblioteca Digital de Teses e Dissertações da UFMA |
bitstream.url.fl_str_mv |
http://tedebc.ufma.br:8080/bitstream/tede/2744/2/Alex+Martins+Santos.pdf http://tedebc.ufma.br:8080/bitstream/tede/2744/1/license.txt |
bitstream.checksum.fl_str_mv |
454e3a7885fa4fc80a20add485cb50b9 97eeade1fce43278e63fe063657f8083 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFMA - Universidade Federal do Maranhão (UFMA) |
repository.mail.fl_str_mv |
repositorio@ufma.br||repositorio@ufma.br |
_version_ |
1822522412978143232 |