Detecção automática de doenças da visão em imagens de reflexo vermelho utilizando Deep Features

Abstract

Resumo O Teste de Bruckner, popularmente conhecido por exame do reflexo vermelho, é um método simples e indolor de diagnóstico que possui o objetivo de detectar patologias da visão. Por meio da observação do reflexo retiniano vermelho, realizada com um equipamento chamado oftalmoscópio direto, características das estruturas internas são identificáveis e podem indicar uma possível saúde ocular comprometida. Informações do Censo Oftalmológico 2021 apontam que mesmo com a saturação de pessoal especializado nas capitais e um constante movimento de êxodo urbano, ainda há deficiência de profissionais da área em várias regiões. No Estado do Maranhão, por exemplo, a proporção de habitantes para um oftalmogista é três vezes maior que a média nacional. Além disso, 15 municípios acima de 40 mil habitantes no estado não possuem sequer a presença de um profissional, o que dificulta o acesso rápido aos devidos cuidados. Nestes casos, o suporte do Teste de Bruckner é de grande valia aos profissionais, melhorando a qualidade da triagem em regiões mais distantes dos grandes centros. A metodologia combina o uso de descritores de características baseados em aprendizado profundo e classificadores para identificar a presença de patologias em imagens de reflexo vermelho, e os estudos apontaram um destaque no uso da rede neural convolucional DeepLoc e um ensemble entre os classificadores Regressão Logística, Random Forest e SVM, alcançando 93,20% de precisão, sensibilidade de 93,20% e especificidade de 84,50%.__Abstract Bruckner’s Test, popularly known as red reflex exam, is a simple and painless diagnosis method aimed at early detection of vision related diseases. Observing retinal red reflex with an equipment called direct ophthalmoscope, internal structural features are identified and can alert to a compromised eye health. Information of 2021 Brazilian Ophthalmological Census point that even with the professional saturation on capitals and a constant urban exodus, there is still missing ophthalmologists in some regions. In State of Maranhão, for example, the proportion between inhabitants and ophthalmologists is three times bigger than the national average. Furthermore, 15 municipalities with population higher than 40.000 doesn’t even have the presence of one professional, what makes fast access to needed care even more difficult. The methodology combines characteristic descriptors based on deep learning and classifiers to identify the presence of pathologies in red reflex images, and studies highlighted the use of the convolucional neural network DeepLoc and an ensemble combining Linear Regression, Random Forest and SVM classifiers, achieving 93,20% of precision, sensibility of 93,20% and specificity of 84,50%.