Diagnóstico de Glaucoma Utilizando Atributos de Textura e CNN’s Pré-treinadas

Abstract

Resumo: Glaucoma is a disease that damages the optic nerve. It is considered the second leading cause of blindness in the world. Several automatic diagnostic systems have been proposed. However, such systems have not been shown to be able to handle a great diversity of images. Thus, this work proposes a method of detecting glaucoma, through the use of texture descriptors and Convolutional Neural Networks (CNNs). Tests were conducted in four public databases, making a total of 873 images. The results showed that the junction of GLCM and pre-trained CNN descriptors and the use of the Random Forest classifier are promising in the detection of this pathology, obtaining an accuracy of 91.06%. Keywords: medical images -glaucoma diagnosis -texture features -transfer learning Resumo: Glaucomaé uma doença que danifica o nervoóptico. Elaé considerada a segunda principal causa de cegueira no mundo. Vários sistemas de diagnóstico automático têm sido propostos, contudo, tais sistemas não demonstraram ser capazes de lidar com uma grande diversidade de imagens. Dessa forma, este trabalho propõe um método de detecção do glaucoma, através do uso de descritores de textura e Redes Neurais Convolucionais (CNNs). Testes foram conduzidos em quatro bases públicas, o que constitui um total de 873 imagens. Os resultados mostraram que a junção dos descritores GLCM e CNNs pré-treinadas e a utilização do classificador Random Forest são promissores na detecção dessa patologia, obtendo uma acurácia de 91,06%.. Palavras-Chave: imagens médicas -diagnóstico de glaucoma -atributos de textura -transferência de aprendizagem