Meta Aprendizagem Aplicada ao Diagnóstico de Glaucoma / Learning Goal Applied to Glaucoma Diagnosis
O glaucoma é uma doença silenciosa que pode levar a cegueira caso não seja tratada com urgência. Métodos de diagnóstico que utilizam inteligên- cia computacional têm sido propostos com a finalidade de aumentar a taxa de detecções da doença ainda na sua fase inicial, e proporcionar melhor qualidade d...
| Autores: | , , , , |
|---|---|
| Tipo de recurso: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2020 |
| País: | Brasil |
| Institución: | Instituto Superior de Educação Vera Cruz (VeraCruz) |
| Repositorio: | Revista Veras |
| Idioma: | portugués |
| OAI Identifier: | oai:ojs2.ojs.brazilianjournals.com.br:article/12492 |
| Acceso en línea: | https://ojs.brazilianjournals.com.br/ojs/index.php/BRJD/article/view/12492 |
| Access Level: | acceso abierto |
| Palabra clave: | Diagnóstico Assistido por Computadores Meta Aprendiza- gem Otimização Bayesiana Diagnóstico de Glaucoma Extração de Carac- terísticas. |
| Sumario: | O glaucoma é uma doença silenciosa que pode levar a cegueira caso não seja tratada com urgência. Métodos de diagnóstico que utilizam inteligên- cia computacional têm sido propostos com a finalidade de aumentar a taxa de detecções da doença ainda na sua fase inicial, e proporcionar melhor qualidade de vida aos pacientes. Porém, a descoberta de melhores técnicas e métodos de diagnóstico automatizado, é necessária grande quantidade de testes de diferen- tes metodologias e abordagens sobre o problema, tornando o processo lento e sujeito a erros. Este trabalho propõe uma solução através da meta aprendiza- gem de métodos de pré processamento, decomposição, extração de caracterís- ticas que devem ser usados de maneira eficiente para solucionar o problema. Os resultados obtidos são promissores, atingindo 93,40% de acurácia após 144 execuções e deve melhorar proporcionalmente à quantidade de testes realiza- dos. |
|---|