Classificação da Camada Lipídica do Filme Lacrimal usando K-Means e Deep Learning
Author:
Dias Junior Domingos A.,Cruz Luana B. da,Diniz João O. B.
Abstract
A síndrome do olho seco, uma das doenças oftalmológicas mais comuns, apresenta desafios diagnósticos devido à sua natureza multifatorial. O diagnóstico tradicional, que envolve a classificação manual das imagens do filme lacrimal, enfrenta limitações devido à instabilidade deste filme. Este estudo propõe uma abordagem inovadora que combina aprendizagem não supervisionada para segmentação da região de interesse e deep learning para classificação de patches. Os resultados são promissores, com acurácia de 99,23% e F1-score de 99,16%, superando outras técnicas e estudos da literatura. Acredita-se que esta metodologia possa ser uma ferramenta valiosa para auxiliar os especialistas no diagnóstico da doença.
Publisher
Sociedade Brasileira de Computação - SBC
Reference26 articles.
1. Abadi, M., Agarwal, A., Barham, P., Brevdo, E., Chen, Z., Citro, C., Corrado, G. S., Davis, A., Dean, J., Devin, M., et al. (2015). Tensorflow: Large-scale machine learning on heterogeneous systems. Software available from tensorflow.org. 2. Burman, P. (1989). A comparative study of ordinary cross-validation, v-fold crossvalidation and the repeated learning-testing methods. Biometrika, 76(3):503–514. 3. Chollet, F. et al. (2015). Keras. [link]. 4. Cruz, L. B., Araújo, J. D. L., Sousa, J. A., Almeida, J. D. S., Júnior, G. B., Silva, A. C., and Paiva, A. C. (2018a). Classificação do filme lacrimal usando a função k de ripley como descritor de textura. In Anais do XVIII Simpósio Brasileiro de Computação Aplicada à Saúde, Porto Alegre, RS, Brasil. SBC. 5. Cruz, L. B. d., Araújo, J. D. L., Souza, J. C., de Sousa, J. A., de Almeida, J. D. S., Junior, G. B., Silva, A. C., and de Paiva, A. C. (2018b). Tear film classification using phylogenetic diversity indexes as texture descriptor. In 2018 IEEE Symposium on Computers and Communications (ISCC), pages 00853–00858.
|
|