Detecção automática de exsudatos e microaneurismas em imagens de retinopatia diabética utilizando o algoritmo bioinspirado na colônia artificial de abelhas e processamento digital de imagens

Abstract

O diagnóstico da retinopatia diabética, em imagens do fundo do olho, impulsionou o desenvolvimento de algoritmos de processamento que fossem capazes de identificar e classificar patologias automaticamente. As técnicas de processamento digital de imagens, aplicadas a medicina, facilitam a visualização e identificação de patologias a partir de minimização de artefatos indesejáveis nas imagens. O objetivo do presente trabalho consiste em implementar pelo método baseado na colônia artificial de abelhas (Artificial Bee Colony - ABC), para adetecção de exsudatos, e o uso de técnicas de processamento digital de imagens para facilitar nos processos de detecção e classificação das microaneurismas. Como sinais de entrada para os algoritmos, foram utilizadas as imagens do banco de dados da Diaretdb1. Técnicas de pré-processamento foram utilizadas para realizar a exclusão do disco óptico (projeção luminosa decorrente dos exames de fundoscopia), e uma máscara foi proposta para encontrar nas imagens a patologia, com base na forma e tamanho da mesma. Para a avaliação dos algoritmos desenvolvidos foram utilizadas as taxas de sensibilidade, especificidade e acurácia das imagens. Na detecção dos exsudatos os valores coletados após o pos-processamento foram 85% de sensibilidade, 92% de especificidade e 96% de acurácia. Na detecção e classifica ção das microaneurismas, os testes retornaram 75% de sensibilidade, 99% de especificidade e 98% de acurácia. Conforme as imagens resultantes dos processos de detecção, foram identificados 52 pacientes com a presença de exsudatos em comparação com o banco de dados que diagnosticaram 48 pacientes com a doença. O algoritmo de classificação detectou a evidência de microaneurismas em 75 pacientes e o banco de dados diagnosticou a patologia em 71.