Treinamento de Classificadores de Aprendizagem de Máquina para o Diagnóstico do Glaucoma com o Uso de Dados de Perimetria Automatizada Padrão (SAP)

Autor: Leonardo Shigueoka, Edson Satoshi Gomi, Bruno F. Hashimoto, Vital Paulino Costa
Rok vydání: 2021
Zdroj: Anais Estendidos do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS Estendido 2021).
Popis: O glaucoma é uma doença ocular que provoca danos ao nervo óptico e consequente perda do campo visual. Este projeto de pesquisa tem como objetivo investigar o desempenho de Classificadores de Aprendizagem de Máquina no diagnóstico do glaucoma usando dados do exame SAP (Standard Automated Perimetry). Por conta do dataset com dados de pacientes reais ser pequeno, foi gerado um dataset sintético para aumentar a quantidade de dados disponíveis. Foram testados os classificadores Random Forest, Gradient Boosting e DNN (Deep Neural Network). Os resultados obtidos mostram que esses classificadores apresentam desempenho aceitável para o diagnóstico do glaucoma, todos com AUC acima de 83,9% e acurácia acima de 72,0%.
Databáze: OpenAIRE