Através das imagens de fundo do olho, os especialistas em oftalmologia podem detectar possíveis complicações relacionadas ao Diabetes como a diminuição ou até a perda da capacidade de visão. O Edema Macular Diabético (EMD) é uma das complicações que lideram os casos de danos à visão em pessoas em idade de trabalho. Sendo assim, esta tese apresenta métodos para automaticamente identificar os diferentes níveis de gravidade do Edema Macular Diabético visando auxiliar o especialista no diagnóstico dessa patologia. Como resultado final, propõe-se automaticamente e rapidamente identificar, a partir da imagem, se o paciente possui o EMD leve, moderado ou grave. Utilizando imagens de fundo do olho de um banco de dados livremente disponível na internet (ou seja, o DIARETDB1), o método proposto para a identificação automática do EMD obteve uma precisão de 94,29%. Alguns métodos intermediários necessários para a solução desse problema foram propostos e os resultados publicados na literatura científica. / Through color eye fundus images, the eye care specialists can detect possible complications related to diabetes as the vision impairment or vision loss. The Diabetic Macular Edema (DME) is the most common cause of vision damage in working-age people. Therefore, this thesis presents an approach to automatically identify the different levels of severity of diabetic macular edema aiming to assist the expert in the diagnosis of this pathology. As a final result, a methodology to automatically and quickly identify, from the eye fundus image, if a patient has the EMD mild, moderate or severe EMD is proposed. In a preliminary evaluation of our DME grading scheme using publicly available eye fundus images (i.e., DIARETDB1 image database), an accuracy of 94.29% was obtained. Some intermediate methods needed to solve this problem have been proposed and the results published in scientific literature.
| Identifer | oai:union.ndltd.org:IBICT/oai:lume.ufrgs.br:10183/34777 |
| Date | January 2011 |
| Creators | Welfer, Daniel |
| Contributors | Scharcanski, Jacob |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da UFRGS, instname:Universidade Federal do Rio Grande do Sul, instacron:UFRGS |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0027 seconds