Universidade Federal do Ceará
Programa de Pós-Graduação em Engenharia de Teleinformática

Título: Sistema de Auxílio ao Diagnóstico do Glaucoma em Imagens do Fundo de Olho: Método Adaptativo Baseado em Transfer Learning e Estimação Usando Regressão

Data: 28/02/2025
Horário: 09:00
Local: Auditório do LESC

Banca Examinadora:
Paulo Cesar Cortez (UFC, Orientador)
Guilherme de Alencar Barreto (UFC)
Victor Hugo Costa Albuquerque (UFC)
Frederico Gadelha Guimarães (UFMG)
Plácido Rogério Pinheiro (Unifor)
João Alexandre Lôbo Marques (University of Saint Joseph)

Resumo:
O glaucoma é uma doença ocular crônica que afeta o nervo óptico, responsável por transmitir informações visuais dos olhos ao cérebro. Caracterizado pela degeneração progressiva desse nervo, esta é a principal causa de cegueira irreversível no mundo. A prevalência do glaucoma tem projeções crescentes nas próximas décadas, podendo atingir 111,8 milhões de pessoas no mundo em 2040, especialmente em populações com limitado acesso a exames oftalmológicos regulares. Ao possibilitar a análise rápida e precisa de grandes volumes de dados, a visão computacional amplia o alcance do diagnóstico precoce, contribuindo para um controle mais eficaz do glaucoma. Embora técnicas de visão computacional avancem no auxílio ao diagnóstico, elas costumam demandar alta capacidade computacional. Logo, a literatura carece de métodos de diagnóstico que possibilitem desempenho satisfatório nas taxas de acerto e custo computacional reduzido, que são essenciais para o rastreamento do glaucoma em áreas remotas e com infraestrutura de saúde restrita. Esse estudo tem o objetivo de contribuir para suprir essas lacunas, trazendo uma abordagem de detecção baseada em redes neurais convolucionais (CNNs) para o treinamento dos dados, e o uso de regressão nos dados de teste para estimação das características das imagens. O objetivo é utilizar redes de transfer learning adaptativa para otimizar a extração e redução dimensional das características relevantes durante o treinamento. Após a rede aprender as características importantes da imagem do fundo de olho, na etapa de teste utiliza-se o modelo de regressão que estima essas características a partir da imagem vetorizada reduzida por análise de componentes principais. Esse método conserva a precisão do diagnóstico com menor custo computacional. Para utilizar os algoritmos desenvolvidos, será implementado um sistema web eficiente que possibilita a triagem de casos de glaucoma por meio de análise de imagens do fundo de olho, além de ter suporte para dispositivos portáteis, permitindo o uso em locais com infraestrutura limitada. Os resultados demonstram uma redução no processamento computacional, principalmente no tempo para extração das características, sem perda substancial nas métricas. Dessa forma, este método tende a contribuir na área acadêmica com avanços na literatura em pesquisas futuras sobre a aplicação de métodos de visão computacional, além de beneficiar a população de regiões remotas com baixo acesso a exames oftalmológicos, profissionais da saúde e sistemas de saúde pública que buscam aprimorar o rastreamento do glaucoma.

Palavras-chave: Glaucoma; Transfer Learning; Sistema Web; Regressão; Classificação; Segmentação