Uma arquitetura digital baseado em aprendizagem de máquina para diagnóstico de doenças oculares: um estudo aplicado ao glaucoma

• Autor(a) principal: Barros, Daniele Montenegro da Silva
• Data de Publicação: 2020
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UFRN
• Texto Completo: https://repositorio.ufrn.br/handle/123456789/32893
• topic: Retinografia; Glaucoma; Aprendizado de máquina; Rede neural de aprendizado profundo; Serviço de classificação

O desenvolvimento de novas tecnologias têm sido essenciais para o diagnóstico e tratamento das doenças oculares. Neste contexto, o uso das técnicas de aprendizado de máquina (AM) e aprendizado profundo (DL) para a classificação e detecção das analogias oculares têm demonstrado bons resultados em pesquisas recentes. Nesta perspectiva, o objetivo da presente tese é desenvolver um serviço de classificação utilizando técnicas de DL, tecnologias web e serviços em nuvem, fazendo um estudo de caso sobre o glaucoma.O Glaucoma é uma doença assintomática que pode causar a cegueira irreversível se for diagnosticada tardiamente. O tipo de imagem utilizado na análise foi a retinografia, pois sua aquisição é de baixo custo; e o exame é realizado por um operador não dependente, ou seja, não necessita da presença do médico. Como resultado foi projetada uma arquitetura de inteligência que implementou e treinou várias arquiteturas de DL. A técnica de transferência de aprendizado (transfer learning) foi utilizada como forma reduzir o tempo de treinamento e otimizar o método. Outra técnica importante foi o processo de aumentação de dados (data argumentation) como forma de reduzir o overfitting da rede, evitando assim, que a rede não consiga generalizar no conjunto de testes. Também foi desenvolvido um serviço em nuvem, uma plataforma que utiliza modelos pré-treinados para identificar novos padrões de novas imagens de acordo com a massa de dados no input.