Classificação da ceratocone: avaliando o aprendizado de máquina

Abstract

O ceratocone é uma doença degenerativa onde afeta diretamente a córnea, normalmente a córnea possui uma forma esférica regular, mais nesse caso ela se torna fina e cônica, assumindo assim uma forma mais cônica e irregular. À medida que a doença progride, o uso de óculos corretivos ou lentes de contatos tradicionais podem se tornar menos eficaz, podendo chegar à necessidade de transplante de córnea ou menos a cegueira. No campo da oftalmologia já temos diversos algoritmos sendo aplicados para auxiliar nos diagnósticos e na evolução da ceratocone, onde o objetivo deste trabalho é comparar qual algoritmo tem o melhor desempenho na classificação do ceratocone, foram aplicadas várias técnicas como de validações cruzadas para cada modulo, padronização do conjunto de dados e pipelines. Conclui-se que o algoritmo SVM obteve o melhor resultado, alcançando uma acurácia de 100% quando aplicado á padronização do conjunto de dados, porém é importante ressaltar que a base de dados utilizada possui um número reduzido de exemplos, onde limita sua aplicação em situações reais de aprendizado de máquina. Um outro aspecto relevante é investigar se esse resultado pode ser atribuído a overfitting, para isso seria necessário obter um conjunto de dados maior e mais diversificado, a fim de avaliar se o desempenho do modelo se mantém ou se degrada nessas condições.