Tecnologia

CLASSIFICAÇÃO DE RETINOPATIA DIABÉTICA COM DEEP LEARNING

Débora Bus Cristaldo; André Thiago Malher; Érica Souza dos Santos; Leticia Victoria Castellani Garbellini;; Felipe Fernandes Clivati

Faculdade Donaduzzi

Resumo

Este trabalho investiga o uso de redes neurais convolucionais na classificação automática da retinopatia diabética a partir de imagens de fundo de olho. A doença é uma das principais causas de cegueira evitável, o que torna o diagnóstico precoce essencial. Nesse cenário, métodos baseados em inteligência artificial podem auxiliar na triagem e ampliar o acesso a avaliações iniciais.

Para o estudo, foi utilizado o dataset APTOS 2019, que contém 3.662 imagens classificadas em diferentes níveis de gravidade. Como há desbalanceamento entre as classes, os dados foram reorganizados em três categorias (leve, médio e grave), buscando tornar o problema mais adequado tanto do ponto de vista técnico quanto clínico. Também foram aplicadas etapas de pré-processamento, como redimensionamento, normalização e aumento de dados.

Foram comparadas três arquiteturas conhecidas: ResNet50, VGG16 e EfficientNet-B0. Os modelos foram treinados com transfer learning, utilizando pesos pré-treinados e ajustando as camadas finais para o problema proposto. O treinamento foi conduzido por até 10 épocas, com uso de early stopping para reduzir o risco de overfitting. A avaliação considerou métricas como acurácia, precisão, recall e F1-score.

Os resultados mostraram que a EfficientNet-B0 apresentou o melhor desempenho geral, alcançando 90,84% de acurácia e bom equilíbrio entre as métricas. A ResNet50 também obteve resultados consistentes, enquanto a VGG16 apresentou desempenho inferior, possivelmente devido ao maior número de parâmetros.

De forma geral, os resultados indicam que modelos mais eficientes em termos de arquitetura podem trazer vantagens relevantes em cenários com dados limitados, como é comum na área médica. Assim, a EfficientNet-B0 se mostra uma alternativa promissora para sistemas de apoio à triagem de retinopatia diabética.

Palavras-chave: retinopatia diabética, aprendizado profundo, redes neurais convolucionais, classificação de imagens médicas, EfficientNet.