Fundus Eye Images Classification for Diabetic Retinopathy Detection Using Very Deep Convolutional Neural Network

Abstract

Diabetic retinopathy is an anomaly responsible for causing microvascular and macrovascular damage to the retina and occurs as a consequence of the worsening of diabetes. According to the World Health Organization (WHO), diabetic retinopathy is the most common cause of avoidable blindness in patients with diabetes worldwide. Early detection is important for the efficiency of treatments. Fundus Eye Image can be used to identify early disease development and monitor the patient’s clinical condition. The diagnostic process using this type of image may require some expertise from the ophthalmologist since not all retina anomalies are clearly visible. Thus, this paper proposes the development of a classification method based on Convolutional Neural Networks, but highly dense and deeper. The proposed method obtained a total of 92% AUC in the given experiments.

Analysis of a Video-Based Pain Monitoring System in Raspberry Pi

“…We hope that our study will contribute to the development of new algorithms that consume less computational resources and enable the use of the analyzed pain monitoring approach on hardware with features similar to Raspberry. We hope to have also encouraged the development of other applications for low-cost hardware, such as the detection of diseases [38], [39].…”

Detecção dos Estágios Iniciais da Retinopatia Diabética Utilizando Redes Neurais Profundas

“…A primeira consiste na aplicac ¸ão do filtro gaussiano para suavizac ¸ão do ruído nas imagens, como proposto em [Rath 2021]. A segunda metodologia utilizada, proposta por [Gama et al 2020], extraí a camada verde da imagem colorida e aplica equalizac ¸ão adaptativa do histograma. A imagem resultante desse processo foi a imagem padronizada utilizada nas etapas posteriores de análise.…”

Detecção Automática de Anomalias Oculares Utilizando Redes Neurais Convolucionais

“…Nesta tarefa, softwares de auxílio ao diagnóstico, que funcionam de forma automática e inteligente, podem favorecer no diagnóstico mais eficaz das doenças, melhorando o prognóstico do paciente. Noâmbito do desenvolvimento de sistemas de auxílio ao diagnóstico (Computer-Aided Diagnosis -CAD), sistemas inteligentes que integram técnicas de Análise e Processamento de Imagensà ferramenta de aprendizado de máquina, tem tido ampla utilização na detecção de diagnósticos complexos, como o auxílio ao diagnóstico do Edema Macular [Bhatia et al 2020] e da Retinopatia Diabética [Gama et al 2020].…”