Banca de DEFESA: MARCUS VINICIUS DE CASTRO OLIVEIRA

   1 - Utilização de redes neurais profundas para classificar imagens
   2 - Soluções que utilizam técnicas de processamento de imagens tradicionais para extração e tabulação de características das imagens de retinografia

Os problemas da primeira abordagem são a necessidade de grandes volumes de dados para treinamento, o alto custo computacional e o impacto ambiental causado pelo uso de GPUs de alto desempenho, consumindo energia em larga escala e contribuindo para a emissão de carbono.

Em contrapartida, as técnicas tradicionais de processamento de imagem podem ser executadas em hardware mais acessível e consomem menos energia, tornando-as uma alternativa sustentável e econômica. Porém, devido à diferença dos conjuntos de dados - seja por tonalidade, tamanho de imagens, resolução, entre outros - os métodos propostos apresentam resultados satisfatórios apenas na base em que foram treinados.

Vale também ressaltar que, enquanto as redes neurais profundas muitas vezes operam como 'caixas-pretas', dificultando a interpretação dos resultados, as técnicas tradicionais de processamento de imagem, por meio da extração de características,  fornecem resultados mais transparentes e compreensíveis, o que é crucial para o diagnóstico clínico.

Neste contexto, almejando-se atacar as limitações supracitadas, este trabalho propõe uma abordagem que se mostrou capaz de uniformizar a etapa de extração das características da anatomia do nervo óptico por meio do processamento de imagens de fundo de retina nos diversos conjuntos de dados testados. Esta abordagem alimenta um classificador baseado em um algoritmo de aprendizado de máquina para auxílio no diagnóstico de baixo custo computacional, reduzindo a dependência de recursos de alto consumo energético e minimizando o impacto ambiental.

Embora essa abordagem tenha demonstrado ser eficaz de modo geral, este trabalho não tem a intenção de desestimular o uso das redes neurais, que se encontram como estado da arte no diagnóstico do glaucoma, mas sim propor uma alternativa ao uso excessivo destas.

Uma limitação significativa nessa abordagem reside na necessidade de validação clínica extensa antes de ser incorporada em um sistema de diagnóstico e de ser adotada amplamente na prática médica. A confiabilidade e precisão do modelo em cenários clínicos reais ainda precisam ser amplamente testadas.

Para trabalhos futuros, sugere-se a continuação da pesquisa visando a um melhor desempenho do algoritmo, como também o desenvolvimento de um sistema de apoio ao diagnóstico que utilize a abordagem proposta para segmentar as imagens e tabular os dados extraídos, assim como a realização de estudos clínicos em larga escala para validar os resultados obtidos em ambientes controlados.