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

Abstract

Globalmente, mais de 2,2 bilhões de pessoas têm deficiência visual, com cerca de um bilhão desses casos podendo ser evitados. A detecção precoce de doenças oculares é crucial para prevenir a evolução para estados irreversíveis, como a 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. Os experimentos foram realizados no conjunto de dados público RFMiD, revelando resultados promissores, com destaque para uma precisão média de 99,8% na categoria “D. Risk”. Em comparação com o estado da arte, o método mostrou excelente desempenho na detecção da classe “ODP” e superou a precisão em outras categorias específicas, como “CSR”,“LS”, destacando sua viabilidade e eficácia na classificação de patologias oftalmológicas.