Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/123456789/10076| Título: | Glaucoma Grading Using Fundus Images |
| Título(s) alternativo(s): | Classificação do glaucoma usando imagens do fundo |
| Autor(es): | SILVA, Mackele Lourrane Jurema da |
| Palavras-chave: | Glaucoma; Glaucoma; Diagnosis; Diagnóstico; Deep Learning Aprendizado Profundo |
| Data do documento: | 8-Ago-2025 |
| Editor: | UFMA |
| Resumo: | Glaucoma is a chronic, progressive eye disease caused by gradual damage to the optic nerve and is considered the major cause of irreversible visual damage. Because it is impossible to reverse the loss of vision caused by the disease, early detection is essential that interventions can be carried out in the early stages of the disease to stop its progression. Fundus imaging is one of the main methods used to diagnose the disease, making it possible to assess the cup-to-disc ratio by a specialist. In this work, we propose a method based on deep learning, which uses fundus images to help detect the disease in its early stages. In this way, the proposed method can have clinical use and be used to develop tools for classifying more serious disease cases. As a best result, the proposed method achieved a kappa value of 0.83. |
| Descrição: | O glaucoma é uma doença ocular crônica e progressiva causada por danos graduais ao nervo óptico e é considerada a principal causa de danos visuais irreversíveis. Como é impossível reverter a perda de visão causada pela doença, a detecção precoce é essencial para que intervenções possam ser realizadas nos estágios iniciais da doença para interromper sua progressão. A retinografia é um dos principais métodos utilizados para o diagnóstico da doença, possibilitando a avaliação da relação escavação-disco por um especialista. Neste trabalho, propomos um método baseado em aprendizado profundo, que utiliza imagens de fundo para auxiliar na detecção da doença em seus estágios iniciais. Dessa forma, o método proposto pode ter aplicação clínica e ser utilizado para desenvolver ferramentas para classificar casos mais graves da doença. Como melhor resultado, o método proposto alcançou um valor kappa de 0,83. |
| URI: | http://hdl.handle.net/123456789/10076 |
| Aparece nas coleções: | TCC de Graduação em Ciência da Computação do Campus do Bacanga |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| Mackele Lourrane Jurema da Silva.pdf | TCC de Graduação Trabalho sob sigilo | 79,55 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.