Use este identificador para citar ou linkar para este item:
https://repositorio.unifei.edu.br/jspui/handle/123456789/3033
Tipo: | Dissertação |
Título: | Validação de redes generativas condicionadas para segmentação de escavação óptica em imagens de fundo de retina |
Autor(es): | CARVALHO, Tales Henrique |
Primeiro Orientador: | SPADOTI, Danilo Henrique |
Resumo: | A avaliação de imagens de fundo de retina é uma tarefa importante na oftalmologia, sendo um dos principais indicadores de condições oculares adversas. Dentre elas, o glaucoma se destaca pela necessidade de um diagnóstico durante seus estágios iniciais, para que o tra tamento possa evitar sintomas graves na visão do paciente. Devido à escassez e ao alto custo de especialistas de retina, processos automáticos que identifiquem estruturas adver sas em imagens de retina podem beneficiar a obtenção de diagnósticos. Para o glaucoma, é importante identificar a dimensão da escavação do nervo óptico, já que uma relação entre a escavação óptica e o disco óptico acima de 0,5 é um forte indicador da condição. Um processo automático depende da segmentação automática do disco e escavação óptica nas imagens de retina, que provê as dimensões para o cálculo da relação. O presente trabalho propõe o uso de modelos de redes neurais generativas adversárias condicionadas para a tarefa de segmentação da retina, baseado na arquitetura Pix2Pix. Para validar o modelo, comparou-se o modelo generativo proposto com os modelos convolucionais U-Net e M Net, que representam os melhores resultados da literatura. Os resultados indicam que o modelo generativo é capaz de realizar a segmentação de retina com precisão comparável aos modelos do estado-da-arte, e é capaz de generalizar a tarefa com maior robustez. |
Abstract: | The evaluation of retinal fundus images represents an important task in ophtalmology, as it provides indication of eye-related pathologies. Among them, glaucoma stands out due to the need of an early diagnosis and early treatment, so severe vision symptoms can be avoided. Due to the high cost and low availability of retina specialists, automatic processes that identify adverse structures in retinal fundus images can aid the process of obtaining diagnoses. For glaucoma diagnosis, it is important to identify the dimension of the optic cup in the retina nerve head, as a ratio between optic cup and optic disc greater than 0.5 is a strong indicator of the condition. An automatic process depends on the segmentation between optic disc and optic cup in retinal fundus images, which provides the structures dimensions for calculating such ratio. This work proposes the usage of conditional generative adversarial neural networks for the retina segmentation task, based on Pix2Pix architecture. To validate the model, the proposed model was compared to U-Net and M-Net convolutional models, that represent the best results in literature. Results indicate that the generative model is capable of providing retina segmentation with precision comparable with state-of-art models, and it is capable of doing such task with higher robustness. |
Palavras-chave: | Aprendizado de Máquina Glaucoma Modelo generativo Redes neurais . Retinografia Segmentação de imagens |
CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA |
Idioma: | por |
País: | Brasil |
Editor: | Universidade Federal de Itajubá |
Sigla da Instituição: | UNIFEI |
metadata.dc.publisher.department: | IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação |
metadata.dc.publisher.program: | Programa de Pós-Graduação: Mestrado - Engenharia Elétrica |
Tipo de Acesso: | Acesso Aberto |
URI: | https://repositorio.unifei.edu.br/jspui/handle/123456789/3033 |
Data do documento: | 9-Dez-2021 |
Aparece nas coleções: | Dissertações |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Dissertação_2022023.pdf | 2,21 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.