Avaliação de Redes Neurais Convolucionais na Classificação da Posição do Olhar em Vídeos do Exame Cover Test

Abstract

A classificação da posição do olhar é uma tarefa complexa e de grande relevância para aplicações clínicas, como o diagnóstico de estrabismo. Um dos meios seria pelo exame oftalmológico chamado Cover Test, que consiste em testar o nível de desvio de estrabismo em cinco posições diferentes do olhar sendo fundamental para o planejamento cirúrgico. Este estudo tem como objetivo avaliar o desempenho de diferentes arquiteturas de redes neurais convolucionais (CNNs) na predição de cinco posições distintas do olhar em vídeos de Cover Test. Foram selecionadas nove arquiteturas modernas e robustas aplicando de forma sistemática, técnicas como Early Stopping, Fine-Tuning e Descongelamento Progressivo com diferentes taxas de aprendizado, visando otimizar o desempenho e gerar modelos capazes de realizar inferência sobre a base de vídeos do Cover Test, conduzindo os experimentos baseados na ideia de Grid Search, onde dois cenários experimentais foram avaliados: o primeiro empregando o Descongelamento Progressivo das camadas do modelo, e o segundo utilizando o descongelamento de apenas duas camadas de extração de características, ambos os cenários foram submetidos a diferentes taxas de aprendizado. Para o treinamento, validação e teste, utilizaram-se quatro fontes distintas de dados. A avaliação foi conduzida com base em métricas como acurácia, precisão, F1-Score, recall, além da observação do comportamento da função de perda (loss) e matriz de confusão. Por meio dos resultados, foram feitos ranqueamentos dos melhores modelos, que alcançaram até 98% em algumas das métricas durante a validação. Ao filtrar os cinco melhores da validação, observou-se o desempenho variando entre 70% e 98% para Precisão e F1-Score. Nos testes com dados de domínio real, a arquitetura AlexNet se destacou, alcançando precisão de 88% e recall de 85%, enquanto as demais apresentaram resultados inferiores abaixo de 80%.