Inteligência artificial aplicada à classificação de doenças oculares em imagens de tomografia de coerência óptica

Abstract

Dada a importância que a inteligência artificial adquiriu na atualidade e as suas possíveis aplicações na área da medicina, esta dissertação tem o objetivo de classificar a existência das doenças oculares CNV (neovascularização coroidal), DME (edema macular diabético) e DRUSEN (acúmulos lipídicos na retina) ou não (imagens normais) usando um banco de imagens digitais oriundas de exames de Tomografia de Coerência Óptica (OCT - Optical Coherence Tomography). Foram empregados neste estudo dois algoritmos de Deep Learning com a utilização de duas arquiteturas de Redes Neurais Convolucionais (RNC), uma rede baseada na Cifar-10 e a rede Resnet50. Nas Redes Neurais a extração de características é realizada como uma etapa do próprio algoritmo, que trabalha diretamente sobre o banco de imagens. Foi utilizado um banco de 800 imagens, 200 para cada quadro clínico, oriundas de um banco de imagens disponibilizado na internet. Os valores obtidos para acurácia foram 83,09% para a primeira rede neural apresentada, uma rede sequencial, e 97,78% para a rede Resnet50. Os resultados obtidos condizem com os resultados apresentados nos trabalhos pesquisados que realizam classificação. Esse estudo contribui com o avanço no emprego de inteligência artificial no processo de auxílio ao diagnóstico médico. Palavras-chaves: Classificação, Redes neurais convolucionais, Tomografia de coerência óptica