Reflexo pupilar à luz como biomarcador para identificação de glaucoma: avaliação comparativa de redes neurais e métodos de aprendizado de máquina

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Pinheiro, Hedenir Monteiro lattes
Orientador(a): Costa, Ronaldo Martins da lattes
Banca de defesa: Costa, Ronaldo Martins da, Matsumoto, Mônica Mitiko Soares, Camilo, Eduardo Nery Rossi, Papa, João Paulo, Barbosa, Rommel Melgaço
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Goiás
Programa de Pós-Graduação: Programa de Pós-graduação em Ciência da Computação (INF)
Departamento: Instituto de Informática - INF (RMG)
País: Brasil
Palavras-chave em Português:
Glaucoma
Classificação
Triagem
Reflexo pupilar à luz
Diagnóstico auxiliado por computador
Aprendizado de náquina
Palavras-chave em Inglês:
Classification
Screening
Pupillary light reflex
Computer-aided diagnosis
Machine learning
Área do conhecimento CNPq:
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Link de acesso: http://repositorio.bc.ufg.br/tede/handle/tede/13432
Resumo: The study of retinal ganglion cells, their photosensitivity characteristics, and their relationship with physical and cognitive processes has driven research on the pupillary reflex. Controlled by the Autonomic Nervous System (ANS), dilation (mydriasis) and contraction (miosis) are involuntary reflexes. Variations in pupil diameter may indicate physical or cognitive changes in an individual. For this reason, the pupillary reflex has been considered an important biomarker for various types of diagnoses. This study aimed to improve the automated identification of glaucoma using data from the pupillary light reflex. A comparative analysis between neural networks and classical techniques was performed to segment the pupillary signal. In addition, the performance of various data processing methods was evaluated, including filtering techniques, feature extraction, sample balancing, and feature selection, analyzing their effects on the classification process. The results show an accuracy of 73.90% in the overall classification of glaucoma, 98.10% for moderate glaucoma classification, and 98.73% for severe glaucoma, providing insights and guidelines for glaucoma screening and diagnosis through the signal derived from the pupillary light response
id UFG-2_624aa53e4a284c1cf977b7f49844c89f
oai_identifier_str oai:repositorio.bc.ufg.br:tede/13432
network_acronym_str UFG-2
network_name_str Repositório Institucional da UFG
repository_id_str
spelling Costa, Ronaldo Martins dahttp://lattes.cnpq.br/7080590204832262Costa, Ronaldo Martins daMatsumoto, Mônica Mitiko SoaresCamilo, Eduardo Nery RossiPapa, João PauloBarbosa, Rommel Melgaçohttp://lattes.cnpq.br/4914418568161590Pinheiro, Hedenir Monteiro2024-09-30T19:35:17Z2024-09-30T19:35:17Z2024-08-22PINHEIRO, H. M. Reflexo pupilar à luz como biomarcador para identificação de glaucoma: avaliação comparativa de redes neurais e métodos de aprendizado de máquina. 2024. 135 f. Tese (Doutorado em Ciência da Computação) - Instituto de Informática, Universidade Federal de Goiás, Goiânia, 2024.http://repositorio.bc.ufg.br/tede/handle/tede/13432ark:/38995/0013000003nh4The study of retinal ganglion cells, their photosensitivity characteristics, and their relationship with physical and cognitive processes has driven research on the pupillary reflex. Controlled by the Autonomic Nervous System (ANS), dilation (mydriasis) and contraction (miosis) are involuntary reflexes. Variations in pupil diameter may indicate physical or cognitive changes in an individual. For this reason, the pupillary reflex has been considered an important biomarker for various types of diagnoses. This study aimed to improve the automated identification of glaucoma using data from the pupillary light reflex. A comparative analysis between neural networks and classical techniques was performed to segment the pupillary signal. In addition, the performance of various data processing methods was evaluated, including filtering techniques, feature extraction, sample balancing, and feature selection, analyzing their effects on the classification process. The results show an accuracy of 73.90% in the overall classification of glaucoma, 98.10% for moderate glaucoma classification, and 98.73% for severe glaucoma, providing insights and guidelines for glaucoma screening and diagnosis through the signal derived from the pupillary light responseO estudo das células ganglionares da retina, sua característica de fotossensibilidade e a relação com processos físicos e cognitivos tem impulsionado pesquisas com o reflexo pupilar. Controladas pelo Sistema Nervoso Autônomo (SNA), a dilatação (midríase) e contração (miose) são reflexos involuntários. Variações no diâmetro pupilar podem significar alterações físicas ou cognitivas de um indivíduo. Por este motivo, o reflexo pupilar tem sido considerado um importante biomarcador para diversos tipos de diagnósticos. Este estudo buscou aprimorar a identificação automatizada do glaucoma usando dados do reflexo pupilar à luz. Nele foi realiza uma análise comparativa entre redes neurais e técnicas clássicas para segmentar o sinal pupilar. Além disso, foi avaliado o desempenho de diversos métodos de processamento de dados, como técnicas de filtragem, extração de características, balanceamento de amostras e seleção de características, analisando seus efeitos no processo de classificação. Os resultados apresentam uma acurácia de 73,90% na classificação geral do glaucoma, 98,10% para a classificação do glaucoma moderado e 98,73% para o glaucoma severo, e oferece percepções e diretrizes para triagem e diagnóstico do glaucoma por meio do sinal proveniente da resposta pupilar à luzFundação de Amparo à Pesquisa do Estado de GoiásporUniversidade Federal de GoiásPrograma de Pós-graduação em Ciência da Computação (INF)UFGBrasilInstituto de Informática - INF (RMG)Attribution-NonCommercial-NoDerivatives 4.0 Internationalinfo:eu-repo/semantics/openAccessGlaucomaClassificaçãoTriagemReflexo pupilar à luzDiagnóstico auxiliado por computadorAprendizado de náquinaClassificationScreeningPupillary light reflexComputer-aided diagnosisMachine learningCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOReflexo pupilar à luz como biomarcador para identificação de glaucoma: avaliação comparativa de redes neurais e métodos de aprendizado de máquinaPupillary light reflex as a biomarker for glaucoma identification: comparative evaluation of neural networks and machine learning methodsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisreponame:Repositório Institucional da UFGinstname:Universidade Federal de Goiás (UFG)instacron:UFGLICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.bc.ufg.br/tede/bitstreams/e3d41758-6fba-4f3c-80a2-ab4c2573a3a1/download8a4605be74aa9ea9d79846c1fba20a33MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805http://repositorio.bc.ufg.br/tede/bitstreams/b727d1fc-8faf-45dc-ba5a-a895b7024288/download4460e5956bc1d1639be9ae6146a50347MD52ORIGINALTese - Hedenir Monteiro Pinheiro - 2024.pdfTese - Hedenir Monteiro Pinheiro - 2024.pdfapplication/pdf10016502http://repositorio.bc.ufg.br/tede/bitstreams/d96b744d-2716-435d-b0c6-ac71d85edcd7/download8f15419b0dcd63539acbd37097f0c573MD53tede/134322024-09-30 16:35:17.279http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internationalopen.accessoai:repositorio.bc.ufg.br:tede/13432http://repositorio.bc.ufg.br/tedeRepositório InstitucionalPUBhttps://repositorio.bc.ufg.br/tedeserver/oai/requestgrt.bc@ufg.bropendoar:oai:repositorio.bc.ufg.br:tede/12342024-09-30T19:35:17Repositório Institucional da UFG - Universidade Federal de Goiás (UFG)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
dc.title.none.fl_str_mv Reflexo pupilar à luz como biomarcador para identificação de glaucoma: avaliação comparativa de redes neurais e métodos de aprendizado de máquina
dc.title.alternative.eng.fl_str_mv Pupillary light reflex as a biomarker for glaucoma identification: comparative evaluation of neural networks and machine learning methods
title Reflexo pupilar à luz como biomarcador para identificação de glaucoma: avaliação comparativa de redes neurais e métodos de aprendizado de máquina
spellingShingle Reflexo pupilar à luz como biomarcador para identificação de glaucoma: avaliação comparativa de redes neurais e métodos de aprendizado de máquina
Pinheiro, Hedenir Monteiro
Glaucoma
Classificação
Triagem
Reflexo pupilar à luz
Diagnóstico auxiliado por computador
Aprendizado de náquina
Classification
Screening
Pupillary light reflex
Computer-aided diagnosis
Machine learning
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
title_short Reflexo pupilar à luz como biomarcador para identificação de glaucoma: avaliação comparativa de redes neurais e métodos de aprendizado de máquina
title_full Reflexo pupilar à luz como biomarcador para identificação de glaucoma: avaliação comparativa de redes neurais e métodos de aprendizado de máquina
title_fullStr Reflexo pupilar à luz como biomarcador para identificação de glaucoma: avaliação comparativa de redes neurais e métodos de aprendizado de máquina
title_full_unstemmed Reflexo pupilar à luz como biomarcador para identificação de glaucoma: avaliação comparativa de redes neurais e métodos de aprendizado de máquina
title_sort Reflexo pupilar à luz como biomarcador para identificação de glaucoma: avaliação comparativa de redes neurais e métodos de aprendizado de máquina
author Pinheiro, Hedenir Monteiro
author_facet Pinheiro, Hedenir Monteiro
author_role author
dc.contributor.advisor1.fl_str_mv Costa, Ronaldo Martins da
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/7080590204832262
dc.contributor.referee1.fl_str_mv Costa, Ronaldo Martins da
dc.contributor.referee2.fl_str_mv Matsumoto, Mônica Mitiko Soares
dc.contributor.referee3.fl_str_mv Camilo, Eduardo Nery Rossi
dc.contributor.referee4.fl_str_mv Papa, João Paulo
dc.contributor.referee5.fl_str_mv Barbosa, Rommel Melgaço
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/4914418568161590
dc.contributor.author.fl_str_mv Pinheiro, Hedenir Monteiro
contributor_str_mv Costa, Ronaldo Martins da
Costa, Ronaldo Martins da
Matsumoto, Mônica Mitiko Soares
Camilo, Eduardo Nery Rossi
Papa, João Paulo
Barbosa, Rommel Melgaço
dc.subject.por.fl_str_mv Glaucoma
Classificação
Triagem
Reflexo pupilar à luz
Diagnóstico auxiliado por computador
Aprendizado de náquina
topic Glaucoma
Classificação
Triagem
Reflexo pupilar à luz
Diagnóstico auxiliado por computador
Aprendizado de náquina
Classification
Screening
Pupillary light reflex
Computer-aided diagnosis
Machine learning
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
dc.subject.eng.fl_str_mv Classification
Screening
Pupillary light reflex
Computer-aided diagnosis
Machine learning
dc.subject.cnpq.fl_str_mv CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
description The study of retinal ganglion cells, their photosensitivity characteristics, and their relationship with physical and cognitive processes has driven research on the pupillary reflex. Controlled by the Autonomic Nervous System (ANS), dilation (mydriasis) and contraction (miosis) are involuntary reflexes. Variations in pupil diameter may indicate physical or cognitive changes in an individual. For this reason, the pupillary reflex has been considered an important biomarker for various types of diagnoses. This study aimed to improve the automated identification of glaucoma using data from the pupillary light reflex. A comparative analysis between neural networks and classical techniques was performed to segment the pupillary signal. In addition, the performance of various data processing methods was evaluated, including filtering techniques, feature extraction, sample balancing, and feature selection, analyzing their effects on the classification process. The results show an accuracy of 73.90% in the overall classification of glaucoma, 98.10% for moderate glaucoma classification, and 98.73% for severe glaucoma, providing insights and guidelines for glaucoma screening and diagnosis through the signal derived from the pupillary light response
publishDate 2024
dc.date.accessioned.fl_str_mv 2024-09-30T19:35:17Z
dc.date.available.fl_str_mv 2024-09-30T19:35:17Z
dc.date.issued.fl_str_mv 2024-08-22
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv PINHEIRO, H. M. Reflexo pupilar à luz como biomarcador para identificação de glaucoma: avaliação comparativa de redes neurais e métodos de aprendizado de máquina. 2024. 135 f. Tese (Doutorado em Ciência da Computação) - Instituto de Informática, Universidade Federal de Goiás, Goiânia, 2024.
dc.identifier.uri.fl_str_mv http://repositorio.bc.ufg.br/tede/handle/tede/13432
dc.identifier.dark.fl_str_mv ark:/38995/0013000003nh4
identifier_str_mv PINHEIRO, H. M. Reflexo pupilar à luz como biomarcador para identificação de glaucoma: avaliação comparativa de redes neurais e métodos de aprendizado de máquina. 2024. 135 f. Tese (Doutorado em Ciência da Computação) - Instituto de Informática, Universidade Federal de Goiás, Goiânia, 2024.
ark:/38995/0013000003nh4
url http://repositorio.bc.ufg.br/tede/handle/tede/13432
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Goiás
dc.publisher.program.fl_str_mv Programa de Pós-graduação em Ciência da Computação (INF)
dc.publisher.initials.fl_str_mv UFG
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Instituto de Informática - INF (RMG)
publisher.none.fl_str_mv Universidade Federal de Goiás
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFG
instname:Universidade Federal de Goiás (UFG)
instacron:UFG
instname_str Universidade Federal de Goiás (UFG)
instacron_str UFG
institution UFG
reponame_str Repositório Institucional da UFG
collection Repositório Institucional da UFG
bitstream.url.fl_str_mv http://repositorio.bc.ufg.br/tede/bitstreams/e3d41758-6fba-4f3c-80a2-ab4c2573a3a1/download
http://repositorio.bc.ufg.br/tede/bitstreams/b727d1fc-8faf-45dc-ba5a-a895b7024288/download
http://repositorio.bc.ufg.br/tede/bitstreams/d96b744d-2716-435d-b0c6-ac71d85edcd7/download
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
4460e5956bc1d1639be9ae6146a50347
8f15419b0dcd63539acbd37097f0c573
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFG - Universidade Federal de Goiás (UFG)
repository.mail.fl_str_mv grt.bc@ufg.br
_version_ 1846536637942595584

Registros relacionados