dc.creator |
CARVALHO, Tales Henrique |
|
dc.date.issued |
2021-12-09 |
|
dc.identifier.uri |
https://repositorio.unifei.edu.br/jspui/handle/123456789/3033 |
|
dc.description.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. |
pt_BR |
dc.language |
por |
pt_BR |
dc.publisher |
Universidade Federal de Itajubá |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.subject |
Aprendizado de Máquina |
pt_BR |
dc.subject |
Glaucoma |
pt_BR |
dc.subject |
Modelo generativo |
pt_BR |
dc.subject |
Redes neurais |
pt_BR |
dc.subject |
. Retinografia |
pt_BR |
dc.subject |
Segmentação de imagens |
pt_BR |
dc.title |
Validação de redes generativas condicionadas para segmentação de escavação óptica em imagens de fundo de retina |
pt_BR |
dc.type |
Dissertação |
pt_BR |
dc.date.available |
2022-02-10 |
|
dc.date.available |
2022-02-10T11:01:22Z |
|
dc.date.accessioned |
2022-02-10T11:01:22Z |
|
dc.creator.Lattes |
http://lattes.cnpq.br/0624693729878452 |
pt_BR |
dc.contributor.advisor1 |
SPADOTI, Danilo Henrique |
|
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/8760117075106351 |
pt_BR |
dc.description.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. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação |
pt_BR |
dc.publisher.program |
Programa de Pós-Graduação: Mestrado - Engenharia Elétrica |
pt_BR |
dc.publisher.initials |
UNIFEI |
pt_BR |
dc.subject.cnpq |
CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA |
pt_BR |
dc.relation.references |
CARVALHO, Tales Henrique. Validação de redes generativas condicionadas para segmentação de escavação óptica em imagens de fundo de retina. 2021. 60 f. Dissertação (Mestrado em Engenharia Elétrica) – Universidade Federal de Itajubá, Itajubá, 2021. |
pt_BR |