Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-04-17T11:42:26Z No. of bitstreams: 1 Thales Valente.pdf: 2116457 bytes, checksum: 1fe85262c104d5e919673a3d65e1fd56 (MD5) / Made available in DSpace on 2017-04-17T11:42:26Z (GMT). No. of bitstreams: 1 Thales Valente.pdf: 2116457 bytes, checksum: 1fe85262c104d5e919673a3d65e1fd56 (MD5) Previous issue date: 2017-02-03 / CNPQ, TeCGraf/PUC-Rio / Medical image processing can contribute to the detection and diagnosis of human body anomalies, as an important toll to minimizes the degree of uncertainty in diagnosis, and provides specialists with an additional source of information. Strabismus is one of these anomalies, which affects approximately 4% of the population. Strabismus modify the mechanism of vision, resulting in aesthetical and sensory problems. The first case is reversible at any age. Regarding sensory problems, late treatment may lead to an irreversible condition. The cover test is one of the types of exams used to diagnose this pathology. The use of low cost computational resources to aid in the diagnosis and treatment within the strabismus subspecialty is not yet a reality. Therefore, this work presents a computational methodology to automatically pre-diagnosis strabismus through digital videos featuring cover test. To do this, the methodology was divided in 8 stages: Acquisition (1), Detection of eyes region (2), Location of pupil (3), Location of limbus (4) , Tracking eyes (5), Detection of occluder (6) , Detection (7) and Diagnosis of strabismus (8). The effectiveness of the method in the indication of the diagnosis was evaluated by comparisons made with the diagnosis provided by the expert. For detection of strabismus, the method proposed achieved 100% specificity, sensitivity of 80% and 93.33% accuracy and was demonstrated to be 87% accurate in diagnosing strabismus, while acknowledging measures lower than 1 prismatic diopter, and an average error of 2.57 prismatic diopters in deviation measure. So, was demonstrated the feasibility of using computational resources based on images processing techniques to achieve diagnosing strabismus through cover test. / O processamento de imagens médicas vem contribuindo para a detecção e o diagnóstico de anomalias no corpo humano, sendo uma importante ferramenta na redução do grau de incerteza do diagnóstico, provendo uma fonte adicional de informação aos especialistas. Uma dessas anomalias é o estrabismo, que afeta aproximadamente 4% da população e modifica o mecanismo de visão, resultando em problemas estéticos e sensoriais. O primeiro caso é reversível a qualquer idade. Já em relação aos problemas sensoriais, o tratamento tardio pode levar á um quadro irreversível. O cover test é um dos tipos de exames realizados para diagnosticar tal patologia. A utilização de recursos computacionais de baixo custo no auxílio diagnóstico e terapêutico dentro da subespecialidade estrabismo ainda não é uma realidade. Portanto, este trabalho apresenta uma metodologia computacional para pré-diagnosticar automaticamente o estrabismo através de víıdeos digitais da aplicação do exame cover test. Para tanto, a metodologia foi dividida em 8 etapas: (1) Aquisição, (2) Redução da região dos olhos, (3) Localização da pupila, (4) Localização do limbo, (5) Rastreamento dos olhos, (6) Detecção do oclusor, (7) Detecção e (8) Diagnóstico do estrabismo. A eficácia do método na indicação do diagnóstico foi avaliada através de comparações realizadas com os diagnósticos fornecidos pelo especialista. Para a detecção de estrabismo, a metodologia proposta obteve 100% de especificidade, 80% de sensibilidade e 93,33% de acurácia e demonstrou 87% de acurácia no diagnóstico do estrabismo, mesmo considerando medidas menores que 1 dioptria prismática, apresentando erro médio de 2,57 dioptrias prismáticas na aferição do desvio. Assim, foi demonstrada a viabilidade da utilização de recursos computacionais baseados em técnicas de processamento de imagens para alcançar o diagnóstico de estrabismo através do cover test.

Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-08-14T20:25:49Z No. of bitstreams: 1 JoaoDallyson.pdf: 6621483 bytes, checksum: 19e928fa3d5789994cc1db5d829e0575 (MD5) / Made available in DSpace on 2017-08-14T20:25:49Z (GMT). No. of bitstreams: 1 JoaoDallyson.pdf: 6621483 bytes, checksum: 19e928fa3d5789994cc1db5d829e0575 (MD5) Previous issue date: 2013-07-05 / Strabismus is a condition that affects approximately 4% of the population causing aesthetic problems, reversible at any age, and irreversible sensory changes that modify the mechanism of vision. The Hirschberg test is one of the types of existing tests to detect such a condition. Detection Systems and computeraided diagnosis are being used with some success in helping health professionals. However, in spite of the increasing routine use of high-tech technologies, the diagnosis and therapy in ophthalmology is not a reality within the strabismus subspecialty. Thus, this thesis aims to present a methodology to detect and automatically diagnose and propose the plan of strabismus surgery through digital images. To do this, the study is organized in seven steps: (1) face segmentation; (2) eye region detection; (3) eyes location; (4) limbus and brilliance location; (5) detection, (6) diagnosis and (7) surgical planning of strabismus. The effectiveness of the study in the indication of the diagnosis and surgical plan was evaluated by the mean diference between the results provided by the methodology and the original indication of the expert. Patients were evaluated for eye positions: PPO, INFRA, SUPRA, DEXTRO and LEVO. The method was 88% accurate in identifying esotropias (ET), 100% in exotropias (XT), 80.33% in hipertropias (HT) and 83.33% in hipotropias (HoT). The overall average error in diagnosis was 5:6 and 3:83 for horizontal and vertical desviations, respectivelly. In planning surgeries of medial rectus muscles the average error was 0.6 mm for recession, and 0.9 mm for ressection. For lateral rectus muscles, the average error was 0.8 mm for recession, and 1 mm for resection. / O estrabismo é uma patologia que afeta cerca de 4% da população, provocando problemas estéticos (reversíveis a qualquer idade) e alterações sensoriais irreversíveis, modi cando o mecanismo da visão. O teste de Hirschberg é um dos tipos de exames existentes para detectar tal patologia. Sistemas de Detecção e Diagnóstico auxiliados por computador estão sendo usados com relativo sucesso no auxílio aos pro fissionais de saúde. No entanto, o emprego rotineiro de recursos de alta tecnologia no auxílio diagnóstico e terapêutico em oftalmologia não é uma realidade dentro da subespecialidade estrabismo. Sendo assim, o presente trabalho tem como objetivo apresentar uma metodologia para detectar e diagnosticar automaticamente, além de propor o plano cirúrgico do estrabismo por meio de imagens digitais. Para tanto, o estudo está organizado em sete estágios: (1) segmentação da face; (2) detecção da região dos olhos; (3) localização dos olhos; (4) localização do limbo e do brilho; (5) detecção; (6) diagnóstico e (7) planejamento cirúrgico do estrabismo. A e ficácia do estudo na indicação do diagnóstico e do plano cirúrgico foi avaliada pela m édia da diferença entre os resultados fornecidos pela metodologia e as indicações originais do especialista. Os pacientes foram avaliados nas posições do olhar: PPO, INFRA, SUPRA, DEXTRO e LEVO. O método obteve acuracia de 88% na identi cação de esotropias (ET), 100% nas exotropias (XT), 80,33% nas hipertropias (HT) e 83,33% nas hipotropias (HoT). O erro médio global na realização do diagnóstico foi de 5:6 e 3:83 para desvios horizontais e verticais, respectivamente. No planejamento de cirurgias de músculos retos mediais obteve-se erro médio de 0,6 mm para recuo, e 0,9 mm para ressecção. Para os músculos retos laterais, o erro médio foi de 0,8 mm para recuo e 1 mm para ressecção.