Submitted by Sandro Camargo (sandro.camargo@unipampa.edu.br) on 2015-05-09T18:40:27Z No. of bitstreams: 1 117110023.pdf: 2523085 bytes, checksum: 76eb3f9960e2b4f9df14435d3092b156 (MD5) / Made available in DSpace on 2015-05-09T18:40:27Z (GMT). No. of bitstreams: 1 117110023.pdf: 2523085 bytes, checksum: 76eb3f9960e2b4f9df14435d3092b156 (MD5) Previous issue date: 2013-12-13 / Este trabalho tem como objetivo a proposição de um novo método para a detecção automática de microaneurismas e hemorragias em imagens de fundo do olho. Essas lesões são consideradas o primeiro sinal de retinopatia diabética. A retinopatia diabética é uma doença originada pelo diabetes e é apontada com a principal causa de cegueira na população com idade ativa de trabalho. O método proposto é fundamentado em conceitos de morfologia matemática e consiste em eliminar os componentes da anatomia da retina até atingir o conjunto de lesões. Este método é formado por cinco etapas: a) pré-processamento; b) destaque das estruturas escuras; c) detecção dos vasos sanguíneos; d) eliminação dos vasos sanguíneos; e) eliminação da fóvea. A precisão do método foi testada num banco de dados público de imagens de fundo do olho, onde o mesmo obteve resultados satisfatórios e comparáveis aos demais métodos da literatura, reportando médias de sensitividade e especificidade de 87.69% e 92.44%, respectivamente. / This contribution presents an approach for automatic detection of microaneurysms and hemorrhages in fundus images. These lesions are considered the earliest signs of diabetic retinopathy. The diabetic retinopathy is a disease caused by diabetes and is considered as the major cause of blindness in working age population. The proposed method is based on mathematical morphology and consists in removing components of retinal anatomy to reach the lesions. This method consists of five steps: a) pre-processing; b) enhancement of low intensity structures; c) detection of blood vessels; d) elimination of blood vessels; e) elimination of the fovea. The accuracy of the method was tested on a public database of fundus images, where it achieved satisfactory results, comparable to other methods from the literature, reporting 87.69% and 92.44% of mean sensitivity and specificity, respectively.