Um novo método baseado em detector de dois estágios para segmentação de instância de lesões retinianas usando o modelo Mask R-CNN e a biblioteca Detectron2

Abstract

O desenvolvimento de métodos computacionais para realizar a segmentação de instância de lesões retinianas como microaneurismas, hemorragias, exsudatos algodonosos e exsudatos duros desempenha um papel fundamental no diagnóstico precoce da Retinopatia Diabética. Este artigo propõe um método baseado no modelo Mask R-CNN para realizar a segmentação de instância de lesões associadas à Retinopatia Diabética. A arquitetura de rede neural profunda foi treinada, ajustada e testada usando diferentes conjuntos de dados de retinopatia diabética disponíveis publicamente. Além disso, a rede neural foi implementada usando as bibliotecas Detectron2 e OpenCV. O método proposto alcançou no DDR (Dataset for Diabetic Retinopathy) e com otimizador SGD (Stochastic Gradient Descent) o mAP (mean Averegare Precision) de 0,2664 para o limite de Interseção sobre União de 0,5 na etapa de validação.