Please use this identifier to cite or link to this item: http://www.repositorio.ufal.br/handle/riufal/3190
metadata.dc.type: Dissertação
Title: Análise computacional da biomecânica corneal para diagnóstico de ceratocone
Other Titles: Computational analysis of corneal biomechanics for diagnosis of Keratoconus
metadata.dc.creator: Jacinto, Kempes
metadata.dc.contributor.advisor1: Machado, Aydano Pamponet
metadata.dc.contributor.referee1: Lyra, João Marcelo de Almeida Gusmão
metadata.dc.contributor.referee2: Coelho, Jorge Artur Peçanha de Miranda
metadata.dc.contributor.referee3: Ambrósio Júnior, Renato
metadata.dc.description.resumo: O objetivo do corrente estudo foi encontrar e modelar representações de características da biomecânica corneal a partir de imagens de exames geradas pelo Corvis ST, a fim de realizar sua aplicação a técnicas de aprendizagem de máquina para o diagnóstico precoce de ceratocone. As imagens foram segmentadas para identificação e conversão em vetores para representação das superfícies anterior, superfície posterior aparente, paquimetria aparente e composição dos dados anteriores. Os vetores foram encadeados (imagens em lote), simplificados com Wavelet e submetidos a MLP, k-NN, Regressão Logística, Naïve Bayes e Fast Large Margin, além do arranjo dos vetores como histogramas 2D para aplicação em rede neural com Deep Learning. A avaliação das classificações foi feita com o escore igual ao produto da sensibilidade multiplicado pela especificidade, com intervalo de confiança entre 0,7843 e 1 e nível de significância 0,0157. Foram usados exames de 686 olhos normais e 406 olhos com ceratocone em graus de I a IV, provindos de bases de exames da Europa e do Brasil, para treinamento e validação dos dados aplicados. Os melhores modelos identificados ocorreram com paquimetria aparente de imagens em lote, com aplicação de wavelet nível 4 e processada com fast large margin na base de dados da Europa, com escore 0,8247, sensibilidade de 89,5% e especifidade de 92,14%; e histograma 2D da paquimetria aparente, com LeNET5, na base do Brasil, com escore 0,8361, sensibilidade de 88,58% e especificidade de 94,39%. Conclui-se que os modelos da biomecânica podem ser usados para diagnosticar ceratocone.
Abstract: keratoconus. The images were segmented for identification and conversion into vectors for representation of the anterior surface, apparent posterior surfaces, apparent pachymetry and composition of the previous data. The vectors were chained (batch images), simplified with Wavelet and submitted to MLP, k-NN, Logistic Regression, Naïve Bayes and Fast LargeMargin, in addition the vectors were rearranged as 2D histograms for neural network application with Deep Learning. The evaluation of the classifications was done with the score equal to the product of the sensitivity multiplied by the specificity, with confidence interval between 0.7843 and 1 and level of significance 0.0157. Exams of 686 normal eyes and 406 eyes with keratoconus in degrees from I to IV, from exam bases from Europe and Brazil, were used for training and validation of applied data. The best models identified were apparent pachymetry on batch images, with wavelet level 4 and processed with fast large margin in the European database, with a score of 0.8247, sensitivity of 89.5% and specificity of 92.14%; and 2D histogram of apparent pachymetry, with LeNET5, at the Brazilian database, with a score of 0.8361, sensitivity of 88.58% and specificity of 94.39%. It is concluded that biomechanical models can be used to diagnose keratoconus.
Keywords: Ceratonone.
Biomecânica
Diagnóstico
Inteligência artificial
Segmentação
Keratoconus
Biomechanics
Diagnosis
Artificial Intelligence
Segmentation
metadata.dc.subject.cnpq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
metadata.dc.language: por
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal de Alagoas
metadata.dc.publisher.initials: UFAL
metadata.dc.publisher.program: Programa de Pós-Graduação em Modelagem Computacional de Conhecimento
Citation: JACINTO, Kempes. Análise computacional da biomecânica corneal para diagnóstico de ceratocone. 2018.80 f. Dissertação (Mestrado em Modelagem Computacional de Conhecimento) – Instituto de Computação, Programa de Pós Graduação em Modelagem computacional de Conhecimento, Universidade Federal de Alagoas, Maceió, 2018.
metadata.dc.rights: Acesso Aberto
URI: http://www.repositorio.ufal.br/handle/riufal/3190
Issue Date: 13-Apr-2018
Appears in Collections:Dissertações e Teses defendidas na UFAL - IC

Files in This Item:
File Description SizeFormat 
Análise computacional da biomecânica corneal para diagnóstico de ceratocone.pdf5.53 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.