Desenvolvimento de um sistema embarcado para auxílio no diagnóstico e acompanhamento de degeneração macular relacionada a idade utilizando imagens da retina

CNPqDegeneração macular relacionada à idade (DMRI) é uma doença degenerativa que atinge a região da mácula ocular e é apontada como uma das principais causadoras da perda de visão entre indivíduos com mais de 50 anos em países não desenvolvidos. A presença de depósitos celulares de cor amarelada chamados de drusas, é um dos principais indicadores da DMRI. Drusas são encontradas e analisadas nas imagens de retina, sendo este um processo subjetivo, difícil e caro. Neste trabalho, um método de detecção e quantificação de drusas é proposto em um ambiente de sistema embarcado, apresentado como uma solução de menor custo que o método tradicional de exame e alto potencial para o apoio de diagnóstico. A performance do método proposto é avaliada na base de imagens pública STARE. O algoritmo proposto teve uma sensibilidade de 92,12%, especificidade de 95,23% e uma precisão total de 93,67%, tendo sido testado em um computador portátil MacBook Pro, uma Raspberry Pi Modelo B e usando duas arquiteturas: 1 - somente um processador Atom e; 2 - com um processador Atom e a FPGA, em um kit de desenvolvimento DE2i-150. A abordagem hardware/software conseguiu acelerar em 9% o tempo médio de execução do algoritmo.Age related macular degeneration (AMD) is a degenerative condition that strikes the human central vision and it is pointed as one of the leading causes of blindness among individuals over 50 years old in undeveloped countries. The existence of yellow/white deposits in the retina called drusen, is one of the main signals of AMD. Drusen are found and analyzed using retinal images, which is a subjective, hard and expensive process. This work proposes a method of drusen detection and quantification performed in an embedded system as a low cost and high potential solution to support the diagnosis of AMD. The performance of the proposed method is evaluated in the pubic image dataset STARE. The method reached an sensibility/specificity/accuracy of 92,12%/95,23%/93,67% and has been tested in two different architectures: a software only and a hardware/software which was implemented in the TERASIC develpmento kit DE2i-150. The hardware/software approach accelerated the execution of the algorithm in 9%