Desenvolvimento de um sistema para detecção de ceratocone subclínico, utilizando mapas da superfície anterior da córnea e deep learning (2024)
- Authors:
- Autor USP: OLIVEIRA, LUCAS ORLANDI DE - IFSC
- Unidade: IFSC
- Sigla do Departamento: FCM
- DOI: 10.11606/T.76.2024.tde-01102024-082410
- Subjects: APRENDIZAGEM PROFUNDA; REDES NEURAIS; CÓRNEA
- Keywords: Anterior corneal surface maps; Ceratocone subclínico; Deep Learning; Detecção do ceratocone; Keratoconus detection; Mapas da superfície anterior da córnea; Subclinical keratoconus
- Language: Português
- Abstract: O ceratocone é uma ectasia crônico-degenerativa que provoca instabilidade estrutural ou bio- mecânica na córnea, levando a alterações morfológicas que comprometem a visão e, em casos graves, podem causar perdas visuais incapacitantes. Embora não haja cura para o ceratocone, existem procedimentos que podem conter seu avanço. Dessa forma, a detecção precoce da doença é essencial para minimizar os danos visuais, porém, representa um desafio significativo que requer experiência clínica e equipamentos especializados, como topógrafos e tomógrafos de córnea. Diversos estudos na literatura exploram a detecção do ceratocone utilizando diferentes tipos de dados, incluindo índices numéricos e imagens das superfícies anterior e posterior da córnea. Este trabalho tem como objetivo distinção entre córneas normais e com ceratocone, além da classificação da ectasia em seus diferentes graus de acometimento (suspeito, subclínico, ceratocone, e ceratocone avançado), utilizando apenas o mapa de curvatura axial a superfície anterior da córnea, empregando técnicas de Deep Learning. Para a detecção do ceratocone, foram treinados dois modelos distintos de redes neurais convolucionais para classificação binária, utilizando como entrada imagens coloridas e em grayscale dos mapas da superfície anterior da córnea. Os resultados indicam que ambos os modelos são capazes de distinguir olhos normais de olhos com ceratocone com 99,5% de acurácia (sensibilidade de 99,6% e especificidade de 99,4% para imagenscoloridas; e sensibilidade de 99,5% e especificidade de 99,5% para imagens grayscale). Além disso, para a classificação do ceratocone em seus diferentes estágios, foram treinados quatro modelos multiclasse, que apresentaram bom desempenho na tarefa empregada. Os resultados sugerem que a cor das imagens não influencia significativamente no desempenho dos modelos, ou seja, imagens em grayscale podem ser igualmente eficazes para essa tarefa, o podem simplificar o processo de coleta e processamento das imagens, tornando a tecnologia ainda mais acessível. A capacidade dos modelos em distinguir olhos normais dos acometidos pelo ceratocone com alta precisão reflete o potencial das técnicas de Deep Learning para serem incorporadas na prática clínica, oferecendo auxílio ao diagnóstico com precisão, podendo facilitar intervenções precoces e melhorar a qualidade de vida dos pacientes
- Imprenta:
- Publisher place: São Carlos
- Date published: 2024
- Data da defesa: 14.08.2024
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
OLIVEIRA, Lucas Orlandi de. Desenvolvimento de um sistema para detecção de ceratocone subclínico, utilizando mapas da superfície anterior da córnea e deep learning. 2024. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/76/76135/tde-01102024-082410/. Acesso em: 14 fev. 2026. -
APA
Oliveira, L. O. de. (2024). Desenvolvimento de um sistema para detecção de ceratocone subclínico, utilizando mapas da superfície anterior da córnea e deep learning (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/76/76135/tde-01102024-082410/ -
NLM
Oliveira LO de. Desenvolvimento de um sistema para detecção de ceratocone subclínico, utilizando mapas da superfície anterior da córnea e deep learning [Internet]. 2024 ;[citado 2026 fev. 14 ] Available from: https://www.teses.usp.br/teses/disponiveis/76/76135/tde-01102024-082410/ -
Vancouver
Oliveira LO de. Desenvolvimento de um sistema para detecção de ceratocone subclínico, utilizando mapas da superfície anterior da córnea e deep learning [Internet]. 2024 ;[citado 2026 fev. 14 ] Available from: https://www.teses.usp.br/teses/disponiveis/76/76135/tde-01102024-082410/ - Detecção do tempo de quebra do filme lacrimal por meio do processamento de imagens de videoceratoscopia
- Conhecimentos e percepções de licenciandos em matemática a respeito da utilização da robótica na educação matemática
- Desenvolvimento de um sistema com arquitetura em nuvem para a detecção de ceratocone subclínico por meio de deep learning, utilizando mapas de topografia da córnea
- In vitro evaluation of rose bengal photoactivated by custom-built green light-emitting diode source for bacteria and rapidly growing mycobacteria inhibition
- In vitro evaluation of photoactivated rose bengal for growth inhibition of fungi isolated from keratitis
- Análise do filme lacrimal utilizando topografia de córnea e visão computacional
- Comparison between histogram of oriented gradients and convolutional features for keratoconus detection using corneal curvature maps
- Keratoconus classification using a novel convolutional neural network architecture and corneal curvature maps
- Automated detection and classification of broadleaf an grassy weeds in fallowed fields through vision transformer
- Desenvolvimento de um sistema com arquitetura em nuvem para a detecção de ceratocone subclínico por meio de deep learning, utilizando polinômios de Zernike e imagens de topografia e de paquimetria de córnea
Informações sobre o DOI: 10.11606/T.76.2024.tde-01102024-082410 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
