Título

APLICAÇAO DE METODOS DE APRENDIZADO PROFUNDO DE INTELIGENCIA ARTIFICIAL PARA RECONHECIMENTO AUTOMATIZADO DE REGIOES DE INTERESSE PARA A AVALIAÇAO DA CABEÇA DO NERVO OPTICO COM TOMOGRAFIA DE COERENCIA OPTICA DE DOMINIO ESPECTRAL.

Objetivo

Avaliar e identificar os melhores métodos computacionais utilizando inteligência artificial (IA) para determinar as regiões de interesse (ROIs) para a avaliação do disco óptico em pacientes com glaucoma.

Método

O estudo incluiu 77 imagens de varreduras verticais de B-scan de imagem de profundidade aprimorada (EDI) do disco óptico, utilizando OCT de domínio espectral (SD). O conjunto de dados foi dividido em conjuntos de treinamento (53), validação (12) e teste (12). Uma rede neural convolucional (NN) (U-Net) foi aplicada no conjunto de imagens para coletar informações sobre as ROIs, com a intensão de realizar a avaliação do disco óptico. . Como auxílio, foi aplicado métodos de aumento de dados usando uma biblioteca de visão computacional (OpenCV), permitindo expandir virtualmente o conjunto de treinamento. Uma análise posterior foi realizada usando apenas as imagens com contraste mais equilibrado, para reeditar as anotações e aplicá-las novamente na NN.

Resultado

70% das imagens foram usadas para treinamento e 15% para validação e teste. O primeiro, com aumento de dados, mostrou resultados satisfatórios (70% de f-score) para a anotação automatizada da região da ILM, mas a região do RPE obteve um desempenho inferior a 50%, com a métrica utilizada. O segundo, utilizou imagens com mais contraste para melhorar a identificação automatizada em ambos os parâmetros, resultando em 76% para ILM e 54% para RPE. No último teste, as anotações da região do RPE foram preenchidas porque a NN teve problemas para reconhecer a área correta em imagens com muitos padrões iguais. Essa mudança metodológica melhorou o desempenho da identificação para a região do RPE (86% de f-score) (Figura 2).

Conclusão

A determinação automatizada de ROIs para a avaliação do disco óptico foi obtida com sucesso usando métodos de IA de aprendizado profundo. Esses métodos podem ser aplicados para fornecer medições automatizadas de biomarcadores do disco óptico que podem ser úteis para o diagnóstico e monitoramento do glaucoma.