Return to search

Desenvolvimento de um sistema embarcado para auxílio no diagnóstico de glaucoma utilizando imagens do fundo da retina

Submitted by Isaac Francisco de Souza Dias (isaac.souzadias@ufpe.br) on 2016-04-25T17:52:17Z
No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
DISSERTAÇÃO Paulo Cézar Guimarães Dantas Júnior.pdf: 2579689 bytes, checksum: 5ef60064d4f99277e6e28f01eb1e61ce (MD5) / Made available in DSpace on 2016-04-25T17:52:18Z (GMT). No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
DISSERTAÇÃO Paulo Cézar Guimarães Dantas Júnior.pdf: 2579689 bytes, checksum: 5ef60064d4f99277e6e28f01eb1e61ce (MD5)
Previous issue date: 2015-08-28 / Glaucoma é uma doença ocular causada principalmente pela elevação da pressão intraocular que provoca lesões no nervo óptico e se não for tratado adequadamente, pode levar à cegueira. A detecção precoce do glaucoma é a melhor solução para limitar a progressão da doença, pois os defeitos no campo visual dos pacientes causados pelo glaucoma são muitas vezes imperceptíveis pelos próprios o que leva a um diagnóstico tardio. Embora seja relativamente fácil para os pacientes o acesso aos cuidados de saúde em nações desenvolvidas, as comunidades remotas e pobres têm pouco ou nenhum acesso a esses serviços, aumentando o risco de cegueira associada ao glaucoma. Infelizmente, os equipamentos para o diagnóstico de glaucoma não são acessíveis para algumas pessoas em todo o mundo, evitando que regiões inteiras tenha acesso aos cuidados dos olhos. Se este tratamento puder ser realizado ambulatorialmente, há um ganho de conforto para o paciente, agilidade no tratamento e economia para o sistema de saúde. O diagnóstico do glaucoma baseia-se na avaliação do nervo óptico através das imagens do fundo da retina e da medida da pressão interna. Motivado por esse contexto, o presente trabalho tem como objetivo propor o desenvolvimento de um sistema embarcado portátil e de baixo custo, que utiliza técnicas de processamento de imagens com a finalidade de auxiliar no exame precoce de detecção de glaucoma em regiões pobres e remotas, fornecendo informações significativas para ajudar no aumento da precisão dos diagnósticos e da qualidade da análise para tratamentos. O algoritmo proposto teve uma sensibilidade de 88,46%, especificidade de 95,45% e uma precisão total de 91,95%. Este algoritmo foi validado utilizando uma Beagleboard-xM, uma Raspberry Pi Modelo B e usando duas arquiteturas, somente o processador Atom e o processador Atom e a FPGA, em um kit de desenvolvimento DE2i-150, e obteve o diagnóstico de glaucoma com 10, 17, 3 e 8 segundos, respectivamente. / Glaucoma is an eye disease mainly caused by elevated intraocular pressure that causes injuries in optic nerve head and can lead to blindness if not treated properly. Early detection of glaucoma is the best solution to limit the progression of the disease, because damages caused by glaucoma in visual field of patients are most of the times not perceptible until late stages of the disease. Although it is relatively easy for patients to access health care in developed nations, poor and remote communities have little or none access to these services, increasing blindness risk. Unfortunately, equipments for the diagnosis of glaucoma are not affordable for health services in poor countries, limiting eye care in those countries. If treatment is done in early stages of the disease, it is simpler and less expensive. The glaucoma diagnosis is based on the evaluation of the optic nerve by examining fundus images and measuring eye internal pressure. Motivated by this context, the present work aims to propose the development of a low-cost embedded system that is fast and portable, using images processing techniques in order to to assist early glaucoma detection in poor and remote regions, providing significant information to increase diagnosis accuracy and quality of treatments analysis. The proposed algorithm had a sensitivity of 88.46%, specificity of 95.45% and a total accuracy of 91.95%. The proposed solutions took 10, 17, 3 and 8 seconds on the BeagleBoard-xM, Raspberry Pi Model B, DE2i-150 only using Atom processor and DE2i-150 using Atom processor and FPGA, respectively.

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/16814
Date28 August 2015
CreatorsDANTAS JÚNIOR, Paulo Cézar Guimarães
Contributorshttp://lattes.cnpq.br/3909181838888305, SARMENTO, Adriano Augusto de Moraes
PublisherUniversidade Federal de Pernambuco, Programa de Pos Graduacao em Ciencia da Computacao, UFPE, Brasil
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE
RightsAttribution-NonCommercial-NoDerivs 3.0 Brazil, http://creativecommons.org/licenses/by-nc-nd/3.0/br/, info:eu-repo/semantics/openAccess

Page generated in 0.0023 seconds