PPGCC/CCET

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: MARCOS MELO FERREIRA
DATA: 18/03/2021
HORA: 09:30
LOCAL: Vídeoconferência
TÍTULO: Redes Neurais Multinível para Classificação do Ângulo da Câmara Anterior Utilizando Imagens OCT-SA
PALAVRAS-CHAVES: Glaucoma Primário de Ângulo Fechado, Transferência de Aprendizado, Redes Neurais Multinível.
PÁGINAS: 54
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO: O glaucoma é a segunda maior causa de cegueira e a primeira maior causa de cegueira irreversível. As principais formas da doença são o glaucoma primário de ângulo aberto e o glaucoma primário de ângulo fechado. Em pessoas com glaucoma de ângulo fechado, ocorre o estreitamento do ângulo da câmara anterior, o que leva ao aumento da pressão intraocular provocando danos ao nervo óptico, causando perda parcial ou total da visão. Como os danos são irreversíveis, um diagnóstico precoce é essencial, porém é dificultado devido ao fato da doença ser assintomática nos estágios iniciais. Para detecção precoce da doença, são recomendados exames de imagem de rotina, sendo um deles a Tomografia de Coerência Óptica do Segmento Anterior, que permite a classificação do ângulo, fundamental para o diagnóstico. No entanto a análise de exames de muitos pacientes demanda muito tempo para os especialistas. Neste trabalho é proposto um método automático para classificação do ângulo baseado em aprendizagem profunda, utilizando redes convolucionais. Em uma arquitetura multinível, redes convolucionais pré-treinadas são ajustadas para extração de características das imagens que são utilizadas por um classificador. Como melhor resultado foi alcançado um valor AUC de 0,999.
MEMBROS DA BANCA:
Interno - 407686 - ANSELMO CARDOSO DE PAIVA
Presidente - 2582240 - GERALDO BRAZ JUNIOR
Interno - 2663672 - JOAO DALLYSON SOUSA DE ALMEIDA
Externo à Instituição - SIDNEI ALVES DE ARAÚJO - UNINOVE