Reconhecimento do estado de saúde de globos oculares utilizando a rede neural ARTMAP Fuzzy

Abstract

Com o desenvolvimento digital tão em pauta atualmente, diversas ferramentas de inteligência artificial puderam ser apropriadamente estabelecidas e passaram a fazer parte importante do cotidiano. Dentro deste tópico, o reconhecimento de imagens tornou-se bastante significativo em inúmeras aplicações, incluindo a área da saúde. Neste escopo de análise, ressalta-se a abordagem destinada à detecção do estado de saúde de globos oculares, constituindo premissa de extrema relevância e com grande possibilidade de exploração na pesquisa científica. O presente trabalho propõe a utilização da rede neural ARTMAP Fuzzy para reconhecimento do estado de saúde de globos oculares, tratando-se de uma empregabilidade pioneira da rede. Utilizou-se um banco de dados de imagens de fundos oculares com boa quantidade de amostras de qualidade para possibilitar o reconhecimento de imagem. Manipulações e tratamento nas imagens foram realizados a fim de permitir uma melhor padronização dos dados a serem apresentados à rede. Testou-se três diferentes processos de extração e codificação dos atributos dos dados, que incluíram: transcrição dos pixels das imagens em valores numéricos representativos; contagem de aparecimento de pixels específicos via histograma; e codificação por meio da frequência de palavras visuais existentes (método BoVW - Bag of Visual Words). Testes para verificação da capacidade da rede em discernir olhos saudáveis de não saudáveis foram efetuados. A métrica de taxa de classificação correta (CCR - Correct Classification Rate) foi empregada para comparação de eficiência dos resultados para cada uma das abordagens. Apesar dos três métodos apresentarem bom percentual de acerto geral, a utilização do BoVW demonstrou melhor distribuição de eficiência em relação aos outros pela congruência de precisão quantos aos olhos saudáveis individualmente.

With digital development so much on the agenda these days, several artificial intelligence tools have been properly established and have become an important part of everyday life. Within this topic, image recognition has become very significant in numerous applications, including the health field. Within this scope of analysis, the approach aimed at detecting the state of health of eyeballs stands out, constituting a premise of extreme relevance and with great potential for exploration in scientific research. This work proposes the use of the fuzzy ARTMAP neural network to recognize the state of health of eyeballs, which is a pioneering use of the network. A database of eye fundus images with a good number of quality samples was used to enable image recognition. The images were manipulated and processed in order to better standardize the data to be presented to the network. Three different data attribute extraction and coding processes were tested, which included: transcription of image pixels into representative numerical values; appearance count of specific pixels via histogram; and coding through the frequency of existing visual words (BoVW - Bag of Visual Words). Tests were carried out to verify the network's ability to discern healthy from unhealthy eyes. The Correct Classification Rate (CCR) metric was used to compare the efficiency of the results for each of the approaches. Although all three methods showed a good percentage of accuracy in the general case, the use of BoVW showed a better distribution of efficiency in comparison to the others due to the congruence of accuracy with regard to healthy eyes individually.