Diagnóstico automático de glaucoma em retinografias baseado no CDR usando U-Net

Abstract

O glaucoma é uma neuropatia óptica progressiva que causa danos irreversíveis ao nervo óptico, que levam a perda total da visão caso sua progressão não seja interrompida nos estágios iniciais. Um dos exames mais utilizados para o diagnóstico desta patologia é a Retinografia, que captura imagens das áreas do fundo do olho de um paciente, sendo utilizadas para efetuar o diagnóstico a partir de uma análise visual e interpretação. O principal objetivo deste trabalho é desenvolver um método para o diagnóstico automático de glaucoma em imagens de fundo de olho baseado no CDR, focando nas tarefas de segmentação das regiões do disco óptico e cavidade do disco óptico. Este método preprocessa as imagens de fundo de olho aplicando a técnica CLAHE para melhoramento de contraste, e então utilizando duas redes neurais convolucionais baseadas na arquitetura UNet para segmentar as regiões do disco óptico e cavidade do disco óptico, respectivamente. O diagnóstico automático é feito com o cálculo do CDR baseado nas segmentações geradas, e a partir de um limiar definido, classificar as imagens como saudáveis ou glaucomatosas. Os testes foram efetuados utilizando a base pública DRISHTI, e a etapa de segmentação obteve um Dice score de 94.5% e 86.5% para o disco e a cavidade, respectivamente. A etapa do cálculo do CDR obteve um erro médio de 13.7%, e o diagnóstico alcançou 53.0% de Acurácia, 50.4% de Sensibilidade e 74.2% de Especificidade. Após a apresentação dos resultados, é feita uma comparação dos resultados obtidos com alguns trabalhos relacionados presentes na literatura.