Comparação de técnicas de machine learning na classificação de imagens de fundo de olho para identificar miopia patológica

Abstract

Atualmente, o aprendizado de máquina está auxiliando as pessoas em cada vez mais áreas. Sempre ajudando, facilitando e simplificando trabalhos que antes dependiam de extenso trabalho humano para se obter resultados. Porém agora, esses trabalhos podem ser feitos automática e imediatamente com um altíssimo grau de precisão por uso destes tipos de programas. Alguns exemplos de tarefas são detecção de erros gramaticais em documentos de texto, detecção de inconsistências em documentos jurídicos, navegação inteligente em mapas e detecção de doenças e condições de saúde. Diante deste cenário, foi selecionado o problema da detecção de miopia para contribuir na área da saúde, mais especificamente, a detecção de miopia pela detecção de problemas causados por ela, que podem ser observados em imagens de exames de fundo de olho, já que normalmente a miopia só é detectada em exames comuns de vista. Múltiplos classificadores, então, foram utilizados em conjunto com algumas técnicas de tratamento de dados e extração de características. Além do ajuste de hiperparâmetros pelo uso da Busca de Grade e da Validação Cruzada. Com a finalidade de comparar a acurácia desses modelos, e encontrar não só quais os modelos, mas também quais os hiperparâmetros desses modelos obteriam melhor acurácia, e portanto seriam melhores escolhas para uma possível implementação embarcada do mesmo.