Detecção e diagnóstico automático de patologias na retina utilizando arquitetura baseada em Transformers

Abstract

Resumo: Globalmente, pelo menos 2,2 bilhões de pessoas têm deficiência visual. Em pelo menos um bilhão, ou quase metade desses casos, a deficiência visual poderia ter sido evitada. Dessa forma, é de suma importância a realização de exames preventivos de fundo de olho com o intuito de diagnosticar previamente doenças, para evitar que tais patologias evoluam para estados irreversíveis, como cegueira. Assim, este estudo apresenta um novo método para detectar múltiplas patologias oculares em imagens de fundo de olho, com a utilização de uma arquitetura de rede neural baseada em transformers, denominada Query2Label. Inicialmente, a entrada da rede passa por métodos de tratamento de dados, com o intuito de filtrar ao máximo a informação desejada da imagem e resolver problemas de balanceamento de classes, assim podendo servir de entrada para a rede, que aplica técnicas como Cross-Atention, Adaptive Feature Pooling, Feature Extracting, entre outras demais citadas ao longo do trabalho. Os experimentos foram realizados em um dataset público denominado RFMiD, que possui exames com uma ou múltiplas patologias na retina. O método empregado apresentou resultados promissores, especialmente na categoria “D. Risk”, alcançando uma precisão média de 99,8%. Em comparação com o estado da arte, o método demonstrou excelente desempenho na detecção da classe “ODP”, previamente não detectada, e superou a precisão em categorias específicas, como “CSR”,“LS”, entre outras. Esses resultados ressaltam a viabilidade e eficácia do estudo proposto para a classificação de patologias oftalmológicas específicas.__Abstract: Globally, at least 2.2 billion people have visual impairments. The visual impairment could have been prevented in at least one billion, or nearly half of these cases. Therefore, it is of utmost importance to conduct preventive eye fundus exams to diagnose diseases in advance to prevent such pathologies from progressing to irreversible states, such as blindness. Thus, this research introduces a new method for detecting multiple ocular pathologies in fundus eye images using a neural network architecture not previously used in this context. The proposed method employs a new deep neural network architecture based on transformers. Initially, the network’s input undergoes data preprocessing methods to filter the desired information from the image and address class imbalance issues. This preprocessed data is then used as input for the network, which applies techniques such as Cross-Attention, Adaptive Feature Pooling, and Feature Extraction, among others mentioned throughout the study. The experiments were conducted on a public dataset called RFMiD, containing examinations with one or multiple pathologies in the retina. The employed method yielded promising results, especially in the“D. Risk” category, achieving an average accuracy of 99.8%. Compared to the state-of-the-art approaches, the method showed outstanding performance in detecting the "ODP" class, previously undetected, and surpassed accuracy in specific categories such as “CSR”, “LS”, among others. These results underscore the proposed study’s feasibility and effectiveness for classifying specific ophthalmic pathologies.