Avaliação de Métodos de Classificação de Glaucoma em Imagens do Fundo do Olho

Segundo as projeções da Organização Mundial de Saúde (OMS), em 2020 o glaucoma deve afetar 80 milhões de pessoas e em 2040 são estimados 111,5 milhões. O presente trabalho visa comparar métodos de classificação automática do glaucoma para auxiliar no seu diagnóstico por médicos especialistas. Para tanto, são desenvolvidos dois modelos com base na extração de características de textura e geométricas de imagens de fundo de olho, obtidas base pública RIM-ONE v2, e também se utiliza de uma rede neural convolucional (CNN) simples. Avaliam-se nove classificadores clássicos, incluindo-se Multilayers perceptron (MLP). Empregam-se na avaliação a acurácia, sensibilidade, especificidade e área sob a curva (area under curve - AUC). Os resultados demonstram que o melhor desempenho é obtido com o classificador MLP com uso do PCA nos descritores de características, com acurácia de 90,11\%, sensibilidade 97,44\%, especificidade de 84,62\%, e AUC igual a 0,90.