Estrutura robusta de Deep Learning para Detecção Precoce de Retinopatia Diabética usando imagens pré-processadas do fundo de fundo e CNNs otimizadas

Summary

Este estudo apresenta e descreve um fluxo de trabalho baseado em aprendizado profundo para a detecção precoce da retinopatia diabética, utilizando imagens pré-processadas do fundo do olho e arquiteturas otimizadas de redes neurais convolucionais, permitindo classificação precisa da doença e localização explicável de lesões para aplicação clínica escalável.

Abstract

A retinopatia diabética (DR) é uma das principais causas de perda de visão globalmente, especialmente entre pacientes com diabetes mal controlado. A detecção precoce por meio de análise automatizada de imagens surgiu como uma solução escalável para apoiar intervenções oportunas. Modelos baseados em aprendizado profundo, especialmente redes neurais convolucionais (CNNs), mostraram potencial significativo na detecção de DR a partir de imagens do fundo do fundo da retina. Este estudo teve como objetivo (i) desenvolver uma estrutura conjunta de deep learning usando EfficientNetB0 e DenseNet121 para classificação de DR em cinco estágios, (ii) avaliar sistematicamente o impacto do pré-processamento de imagens do fundo do olho no desempenho diagnóstico, (iii) incorporar explicações visuais baseadas em Grad-CAM para localização de lesões, e (iv) alcançar alta precisão diagnóstica com eficiência computacional adequada para triagem escalável. Foi elaborado um conjunto de dados composto por 53.412 imagens de fundo de fundo do EyePACS, APTOS 2019 e um centro de cuidados terciários na China. As etapas de pré-processamento incluíram equalização adaptativa de histogramas limitado por contraste (CLAHE), remoção de artefatos e normalização. O aprendizado por transferência foi aplicado usando backbones EfficientNetB0 e DenseNet121, seguido pela montagem híbrida. Os modelos foram avaliados usando precisão, macro-AUC, sensibilidade, especificidade e escore F1. Grad-CAM foi usado para visualizar a localização da lesão. O modelo híbrido de conjunto alcançou 91,2% de precisão, 0,961 macro-AUC, 92,1% de sensibilidade e um escore F1 de 0,913. O pré-processamento melhorou o desempenho em 3-4%, e a abordagem de conjunto superou as CNNs independentes. Sobreposições Grad-CAM confirmaram localização precisa das lesões. O desempenho do modelo foi avaliado tanto para a classificação de DR em cinco estágios quanto para a detecção binária de DR referencial, refletindo os requisitos clínicos de triagem. Este estudo apresenta um modelo de aprendizado profundo clinicamente viável e explicável para a detecção de DR. Trabalhos futuros incluirão validação externa em conjuntos de dados independentes, avaliação prospectiva do mundo real e otimização de modelos (por exemplo, poda e quantização) para aplicações móveis e de triagem no ponto de atenção.

Introduction

A DR é uma complicação microvascular do diabetes mellitus e continua sendo uma das principais causas de prejuízo visual evitável no mundo¹. A hiperglicemia crônica induz danos aos capilares retinianos, levando ao aumento da permeabilidade vascular, formação de microaneurismas, hemorragias, exsudados e, em estágios avançados, proliferação neovascular. Sem intervenção oportuna, essas alterações podem evoluir para hemorragia vítrea, descolamento de retina por tração e perda irreversível^{de visão 1,2}. Estudos epidemiológicos estimam que aproximadamente 35% dos indivíduos com diabetes apresentam algum grau de RD, com quase 10% desenvolvendo retinopatia potencialmente visual a cada^{ano 2}. Tendências globais indicam que a prevalência da DR aumentou substancialmente nas últimas duas décadas. Uma meta-análise marcante relatou um aumento na prevalência de DR de 13,6% no início dos anos 2000 para mais de 20% em 2020². Da mesma forma, a incidência de DR ameaçadora à visão e edema macular diabético demonstrou uma trajetória ascendente, especialmente em regiões de baixa e média^{renda 3}. O acesso limitado a serviços de triagem oftálmica em áreas rurais e economicamente desfavorecidas contribui para o atraso no diagnóstico e tratamento⁵.

A detecção precoce da DR é fundamental, pois intervenções durante estágios não proliferativos, como fotocoagulação a laser focal ou pan-retiniana, terapia intravítrea com fator de crescimento endotelial antivascular (anti-VEGF) e vitrectomia, podem efetivamente prevenir a progressão para a perda visual⁶. No entanto, os programas convencionais de triagem frequentemente dependem da gradação manual de fotografias coloridas do fundo de fundo por especialistas treinados, um processo intensivo em recursos que limita a escalabilidade e a cobertura^{oportuna 5}. Iniciativas de teleoftalmologia abordaram parcialmente essas lacunas, mas ainda dependem da disponibilidade limitada de especialistas e protocolos de imagem ^{padronizados 7}. Avanços em inteligência artificial (IA), especialmente em aprendizado profundo (DL), introduziram soluções automatizadas capazes de detectar e avaliar a redução de dados a partir de imagens do fundo de fundo com alta precisão e velocidade. CNNs extraem características hierárquicas como microaneurismas, hemorragias e exsudatos, alcançando sensibilidades e especificidades superiores a 90% em conjuntos de dados de referência ^8,9. Estudos marcantes de Gulshan et al., e Ting et al. demonstraram que algoritmos DL podem igualar ou superar avaliadores especialistas na identificação de DR referencial, abrindo caminho para aprovações regulatórias de sistemas autônomos de^{triagem 8,9}. Trabalhos posteriores exploraram aprendizado por transferência, modelagem em conjunto e arquiteturas híbridas de redes neurais CNNrecurrents para melhorar a generalização em diversas condições de imagem e populações de^{pacientes 10,11}.

Apesar desses resultados promissores, vários desafios dificultam a tradução clínica do rastreamento de DR baseado em DL. Primeiro, desempenho robusto exige grandes conjuntos de dados bem anotados que capturem variabilidade em dispositivos de imagem, etnias e apresentações de doenças¹². A inconsistência das anotações entre os avaliadores complica ainda mais o treinamento e a avaliação dos modelos. Segundo, etapas de pré-processamento de imagem, como aprimoramento de contraste via CLAHE, redução de ruído e normalização de cores, afetam significativamente a visibilidade de lesões sutis e, consequentemente, a confiabilidade da extração de características¹³. Terceiro, a interpretabilidade do modelo continua sendo uma área ativa de pesquisa; Os clínicos precisam de ferramentas transparentes de suporte à decisão que destaquem regiões de imagem salientes, impulsionando previsões algorítmicas¹⁴. Por fim, são necessários marcos regulatórios e análises de custo-efetividade para orientar a integração de ferramentas de IA em vias de triagem existentes, especialmente em ambientes com recursos^{limitados 15}. O presente estudo aborda esses desafios propondo uma estrutura abrangente de DL para a detecção precoce de DR que integra pré-processamento otimizado de imagens do fundo de olho, arquiteturas CNN de última geração e estratégias de transferência de aprendizagem. Empregamos CLAHE e remoção automática de artefatos para aumentar o contraste das lesões, seguidas de ajustes finos das espinhas dorsuais CNN pré-treinadas para aproveitar características naturais de imagem em grande escala. Assim, este trabalho propõe uma estrutura explicável de aprendizado profundo para a detecção precoce de DR que integra pré-processamento otimizado de imagens do fundo de fundo com arquiteturas CNN em conjunto eficientes (Figura 1). As contribuições principais deste estudo incluem uma avaliação sistemática das estratégias de pré-processamento, o design de um conjunto híbrido computacionalmente eficiente e a incorporação da explicabilidade visual para apoiar a interpretação clínica. Ao abordar precisão, transparência e implantabilidade juntos, este estudo busca avançar a aplicabilidade prática da triagem de DR assistida por IA. A DR avança por cinco estágios clinicamente definidos: Sem DR, Leve, Moderada, DR Grave não proliferativa e DR Proliferativa. Os estágios iniciais são caracterizados por microaneurismas e hemorragias leves, enquanto estágios avançados envolvem danos vasculares extensos, neovascularização e risco de perda de visão. Os sintomas frequentemente permanecem assintomáticos até estágios avançados, tornando a triagem automatizada fundamental para a intervenção precoce.

Figura 1: Representação gráfica da obra apresentada no manuscrito Por favor, clique aqui para ver uma versão ampliada desta figura.

Para enfrentar esses desafios, este estudo apresenta um protocolo estruturado de aprendizado profundo para detecção de DR que integra pré-processamento padronizado de imagens do fundo do olho, treinamento otimizado de redes neurais convolucional e saídas de modelos interpretáveis dentro de um fluxo de trabalho unificado. O protocolo foi projetado para melhorar a reprodutibilidade e a transparência metodológica, detalhando explicitamente estratégias de pré-processamento, arquitetura do modelo e configurações de treinamento. Ao enfatizar um conjunto leve computacionalmente eficiente e incorporar explicações visuais baseadas em Grad-CAM, o método proposto define uma estrutura prática e interpretável, destinada à avaliação consistente entre conjuntos de dados de imagem retiniana heterogêneos e multicêntricos.

Protocol

Este estudo envolveu uma análise retrospectiva. De acordo com regulamentos institucionais e nacionais, a aprovação formal do comitê de ética e o consentimento informado foram dispensados, pois nenhuma informação identificável do paciente foi acessada ou utilizada.

1. Fontes de dados e aquisição

1. Rerotular todas as imagens de acordo com a Escala Internacional de Severidade da Retinopatia Diabética Clínica (ICDR) (Grades 0-4)¹⁰, para garantir consistência entre os conjuntos de dados obtidos do EyePACS, APTOS 2019 e da coorte de cuidados terciários.
2. Mapee os rótulos originais dos conjuntos de dados com anotações existentes na escala ICDR para manter a uniformidade.
3. Avalie de forma independente todas as imagens do fundo de olho feitas por dois oftalmologistas certificados com experiência em triagem de DR.
4. Mascarar completamente ambos os avaliadores à fonte do conjunto de dados, identificadores de pacientes, histórico clínico e previsões do modelo para minimizar o viés de avaliação. Apresente imagens em ordem aleatória usando identificadores de arquivo anonimizados.
5. Realize a avaliação estritamente de acordo com a Escala de Gravidade do ICDR (Séries 0-4).
6. Quantifique o acordo entre avaliadores antes da rotulagem por consenso usando o kappa ponderado de Cohen (κw) com pesos quadráticos para levar em conta a natureza ordinal das classificações de severidade da DR.
7. Interprete a força de concordância de acordo com os limiares padrão (κ < 0,20, baixo; 0,21-0,40, justo; 0,41-0,60, moderado; 0,61-0,80, substancial; > 0,80, quase perfeito). Resolver notas divergentes por meio de revisão consensual conjunta. Use a nota consensual como padrão de referência final para treinamento e avaliação do modelo.
8. Antes do treinamento do modelo, padronize todas as imagens para uma resolução uniforme de 512 × 512 pixels e um espaço de cor consistente, e aplique procedimentos de pré-processamento idênticos para minimizar a variabilidade entre conjuntos de dados decorrente de diferenças nos dispositivos da câmera, protocolos de aquisição e condições de iluminação.
   NOTA: Especificamente, o pré-processamento consistiu em: (i) redimensionamento de imagem e padronização RGB, (ii) CLAHE green-channel para aumento de contraste, (iii) remoção de artefatos de fundo via máscara circular e limiar adaptativo, (iv) normalização de intensidade por canal e (v) redução de ruído e realce de bordas usando filtragem Gaussiana e máscara de desnitidez.
9. Adquira imagens do fundo do fundo usando múltiplas câmeras coloridas comercialmente disponíveis (Topcon, Canon e Zeiss) sob condições de triagem clínica rotineira (Figura 2).
10. Permitir que os parâmetros de aquisição de imagem variem conforme o dispositivo, mas padronizá-los dentro dos intervalos típicos de exibição, incluindo um campo de visão de 30°-45°, resoluções nativas de imagem variando de aproximadamente 2.048 × 1.536 a 3.872 × 2.592 pixels, e profundidade de cor de 24 bits (8 bits por canal RGB).
11. Use protocolos de imagem midriática e não midriática para refletir práticas de rastreamento do mundo real. Capturar todas as imagens como fotografias de fundo de fundo de campo único, centrado pela mácula, sob condições variáveis de iluminação, e posteriormente redimensionar e pré-processar as imagens usando um pipeline idêntico antes do treinamento do modelo (Figura 2).
12. Anonimize todas as imagens antes do uso, em conformidade com as diretrizes^{12, 13 e 14} da HIPAA.
    NOTA: Use apenas uma imagem por olho para evitar viés intra-sujeito. Exclua imagens que atendam a um ou mais dos seguintes critérios de qualidade pré-definidos: (i) foco ruim ou desfoque que obscureça vasos retinianos e microaneurismas, avaliados pela nitidez das bordas e visibilidade dos vasos; (ii) desfoque excessivo de movimento ou desfoque afetando mais de 25% do campo retiniano; (iii) perda de campo definida como visualização incompleta do disco óptico ou região macular; ou (iv) artefatos severos de iluminação, como saturação ou sombra, que interferiam na visibilidade da lesão.
13. Realize a avaliação de qualidade de forma independente por dois revisores e resolva quaisquer discordâncias por consenso.
    1. Conjunto de Dados EyePACS: Use o conjunto de dados EyePACS obtido do Kaggle. Inclua todas as imagens coloridas do fundo de fundo disponíveis e mantenha as classificações de DR fornecidas conforme os metadados do conjunto de dados.
    2. Conjunto de Dados APTOS 2019: Use o conjunto de dados APTOS 2019 obtido do Kaggle, consistindo em aproximadamente 3.600 imagens de fundo de fundo colorido de campo único adquiridas sob condições padronizadas de triagem.
    3. Conjunto de Dados Clínicos Indianos: Use um conjunto de dados clínico indiano derivado de hospitais, composto por imagens coloridas do fundo de fundo. Registre a contagem total de imagens e use as classificações de DR atribuídas por oftalmologistas qualificados como etiquetas de referência.

Figura 2: Fotografias representativas do fundo colorido representando diferentes estágios da retinopatia diabética. Por favor, clique aqui para ver uma versão ampliada desta figura.

2. Pré-processamento (CLAHE, normalização, remoção de artefatos)

1. Utilize um pipeline de pré-processamento em múltiplos estágios para aumentar a visibilidade da lesão e reduzir a variabilidade devido a condições de imagem.
2. Redimensione cada imagem do fundo de cor para 512 × 512 pixels para manter dimensões uniformes de entrada para modelos de deep learning.
3. Realize o aumento de contraste usando CLAHE aplicado exclusivamente ao canal verde de cada imagem do fundo de olho, pois esse canal oferece contraste ótimo entre vasos e microaneurismas.
4. Implemente CLAHE usando a biblioteca OpenCV com limite de clipe de 2,0 para evitar superamplificação de ruído e um tamanho de grade de bloco de 8 × 8 para permitir realce localizado de contraste em todo o campo retiniano.
5. Recombine o canal verde processado com os canais vermelho e azul para reconstruir a imagem RGB aprimorada. Fixe todos os parâmetros CLAHE e aplique-os de forma idêntica a todas as imagens em treinamento, validação e conjuntos de teste para garantir a reprodutibilidade.
6. Subsequentemente, normalize as imagens para média zero e variância unitária usando normalização por canal.
7. Remova artefatos de fundo como bordas pretas e halos de iluminação usando máscara circular e limiar adaptativo.
8. Aplique filtragem Gaussiana e máscara de desnitidão para redução de ruído e preservação de bordas, respectivamente. Aplique o seguinte aprimoramento de contraste, filtragem Gaussiana para supressão de ruído: use um kernel 5 × 5 com desvio padrão (σ) de 1,0, implemente simetricamente tanto na direção horizontal quanto na vertical.
   NOTA: Este passo reduz o ruído de alta frequência enquanto preserva as estruturas vasculares finas.
9. Realize mascaramento de desnítido por meio da subtração de uma versão borrada da imagem original para realçar os limites da lesão.
10. Especificamente, subtraia uma imagem desfocada com Gaussian (tamanho do núcleo 5 × 5, σ = 1,0) da imagem original com um peso de nitidez de 1,5, e adicione a imagem detalhada resultante de volta ao original para gerar o resultado final com nitidão.
11. Fixe todos os parâmetros e aplique-os uniformemente em todos os conjuntos de dados.
12. Inclua o pré-processamento adicional mencionado abaixo para simular a variabilidade do mundo real e aumentar os dados de treinamento:
    1. Aplique inversão horizontal aleatória a cada imagem de treinamento com probabilidade de 0,5 para considerar a simetria anatômica esquerda-direita da retina.
    2. Aplique inversão vertical aleatória com probabilidade de 0,5, garantindo que a variabilidade de orientação comumente encontrada durante a aquisição da imagem do fundo de óleo esteja representada.
    3. Aplique rotação aleatória dentro de uma faixa de -15° a +15°, amostrada uniformemente, com probabilidade de 0,7 para simular uma leve inclinação da câmera e movimento da cabeça do paciente.
    4. Aplique zoom aleatório dentro de uma faixa de ± 10% do tamanho original da imagem, com probabilidade de 0,5, seguido de corte central ou preenchimento para restaurar a resolução de entrada de 512 × 512 pixels.
    5. Aplique ajuste aleatório de brilho escalando intensidades de pixels dentro de uma faixa fatoral de 0,9-1,1, com probabilidade de 0,4, para modelar a variabilidade da iluminação entre dispositivos de imagem.
    6. Aplique ajuste aleatório de contraste escalando o contraste da imagem dentro de uma faixa fatoral de 0,9-1,1, com probabilidade de 0,4, para melhorar a robustez às diferenças de exposição.
    7. Certifique-se de que todas as ampliações sejam aplicadas apenas ao conjunto de treinamento e realizadas em tempo real durante o treinamento do modelo, enquanto imagens de validação e teste permanecem sem aumentos.
    8. Manter parâmetros fixos de aumento durante todo o treinamento para garantir reprodutibilidade e exposição consistente do modelo à variabilidade controlada.
13. Implemente os passos de pré-processamento usando o OpenCV e as bibliotecas de imagens do Python, e garanta transformações consistentes entre os conjuntos de treinamento e validação.

3. Arquitetura de modelos (variantes CNN, camadas otimizadas)

1. Explore múltiplas arquiteturas CNN para classificação DR e investigue as três variantes de modelo mencionadas abaixo.
   1. CNN de referência - Uma CNN personalizada de 6 camadas com normalização em lote, ativação do ReLU, max-pooling e dropout (p = 0,5).
   2. Modelos de Aprendizagem por Transferência - Backbones CNN pré-treinados incluindo ResNet50, EfficientNetB0 e DenseNet121, inicializados com pesos ImageNet e ajustados finamente em imagens DR.
   3. Modelo Híbrido Otimizado - Um modelo conjunto que combina extratores de características do EfficientNetB0 e DenseNet121, seguido por um perceptrônio multicamadas (MLP) com saída softmax.
   4. Após o ajuste fino, construa a cabeça de classificação para cada modelo pré-treinado usando uma camada global de pooling médio, uma camada densa com ativação ReLU (512 unidades), uma camada dropout (p = 0,5) e uma camada softmax de saída.
   5. Coloque uma camada global de agrupamento de médias (GAP) antes da cabeça de classificação em cada modelo.
   6. Para reduzir o sobreajuste, a regularização de peso L2 foi aplicada a todas as camadas totalmente conectadas (densas) na cabeça de classificação usando um coeficiente de regularização (λ) de 1 × 10⁻⁴. Esse valor foi selecionado para proporcionar penalização eficaz de grandes pesos, preservando a convergência do modelo e o desempenho de classificação durante o ajuste fino.
   7. Empregue uma função softmax de ativação na camada de classificação para possibilitar a previsão de DR de 5 classes.
   8. Basear as escolhas de design do modelo em trabalhos anteriores que demonstraram o desempenho superior de abordagens híbridas e baseadas em aprendizagem por transferência na análise de imagens^{retinianas 3,4}.
   9. Use efficientNetB0 e DenseNet121 como extratores paralelos de características no modelo híbrido otimizado de ensemble.
   10. Simultaneamente, alimente as imagens do fundo de fundo de entrada para ambas as backbones pré-treinadas e extraia os mapas finais de características convolucionais após a camada global de pool de média (GAP) de cada rede.
   11. Concatene os vetores de características resultantes para formar uma representação unificada e alimente-os em um MLP composto por duas camadas totalmente conectadas (com ativação e desistência do ReLU) seguidas por uma camada de saída softmax para classificação de DR de cinco classes.
   12. Adote essa estratégia de fusão tardia para integrar a eficiência de características detalhada do EfficientNetB0 com a propagação densa de características do DenseNet121, resultando em desempenho equilibrado entre estágios de DR inicial e avançado.
   13. Aproveite o MLP para permitir a integração não linear de representações complementares de características, reduzindo o sobreajuste em comparação com a fusão de ponta a ponta.

4. Treinamento e otimização de modelos (aprendizado por transferência, hiperparâmetros)

1. Realize todos os experimentos em uma estação de trabalho rodando Ubuntu Linux (versão 20.04 LTS) com Python 3.8.10.
2. Implemente modelos de deep learning usando TensorFlow 2.10.0 com o backend Keras e execute em uma GPU NVIDIA Tesla V100 (32 GB de VRAM).
3. Ative a aceleração da GPU usando o CUDA Toolkit versão 11.2 e cuDNN versão 8.1, que são compatíveis com a versão especificada do TensorFlow.
4. Implemente todas as etapas de pré-processamento e aumento de dados usando OpenCV 4.7.0, NumPy 1.23 e imgaug 0.4.0.
5. Divida o conjunto de dados em conjuntos de treinamento (70%), validação (15%) e teste (15%), e garanta o equilíbrio de classes dentro de cada partição.
6. Treine todos os modelos em uma GPU NVIDIA Tesla V100 com 32 GB de VRAM.
7. Aproveite o aprendizado por transferência congelando as camadas iniciais das redes pré-treinadas e ajustando as camadas superiores nas imagens do fundo de fundo.
8. Inicialize aleatoriamente as camadas densas finais e treine do zero.
9. Otimize os seguintes hiperparâmetros:
   Otimizador: Adam com β1=0,9, β2=0,999
   Taxa de aprendizado: 1 × 10⁻⁴ com o agendador ReduceLROnPlateau
   Tamanho do lote: 32
   Épocas: 50-100 com paradas precoces (paciência = 10)
   Função de perda: Entropia Cruzada Categórica
10. Salve os checkpoints do modelo com base na perda mínima de validação.
11. Aborde o desequilíbrio de classes aplicando pesos categóricos de classe inversamente proporcionais à frequência das turmas durante o treinamento.
12. Aplique aumento de dados em tempo real usando o Keras ImageDataGenerator. Empregue uma estratégia de validação cruzada de 5 vezes para garantir a robustez do modelo e minimizar o viés de seleção. Métricas médias de desempenho em todas as dobras e relate os desvios padrão correspondentes.
13. Selecione valores de hiperparâmetros com base nas melhores práticas estabelecidas em aprendizado por transferência para classificação de imagens médicas e valide-os por meio de experimentos piloto preliminares no conjunto de validação.
14. Use o otimizador Adam para seu comportamento de convergência estável e taxa de aprendizado adaptativa, e defina uma taxa inicial de aprendizado de 1e−4 para equilibrar estabilidade de treinamento e velocidade de convergência durante o ajuste fino.
15. Determinar empiricamente o tamanho do lote e os critérios de parada precoce para minimizar o sobreajuste mantendo a eficiência computacional.

5. Métricas de avaliação e validação (AUC, precisão, sensibilidade/especificidade)

1. Avalie o desempenho do modelo usando métricas padrão de classificação. Realizar uma avaliação primária no conjunto de teste de resistência (n ≈ 8.000 imagens) e reportar resultados tanto para classificação de 5 classes quanto para classificação binária (DR referencial vs. DR não referencial).
2. Calcule as seguintes métricas:
   Precisão: Porcentagem de previsões corretas em todas as classes
   Área sob a Curva Característica de Operação do Receptor (AUC): Calculada para cada classe e média (macro AUC)
   Sensibilidade (Recall): Taxa de positivo verdadeiro = TP / (TP + FN)
   Especificidade: Taxa de negativo verdadeiro = TN / (TN + FP)
   F1-Pontuação: Média harmônica de precisão e recordação
   Matriz de Confusão: 5 × 5 Matrix para análise de erro de classificação
3. Plote curvas de Característica Operacional do Receptor (ROC) e curvas de recordação de precisão para visualizar a discriminação do modelo.
4. Gerar visualizações Grad-CAM (Mapeamento de Ativação de Classe ponderado por gradiente) para um subconjunto de imagens classificadas corretamente e incorretamente, a fim de destacar as regiões retinianas que impulsionam as previsões do modelo.
   NOTA: O modelo híbrido otimizado alcançou o melhor desempenho com um AUC macro de 0,961, sensibilidade de 92,1%, especificidade de 89,4% e precisão geral de 91,2% para detecção de DR referencial.
5. Compare o desempenho com modelos publicados existentes nos mesmos conjuntos de dados e avalie a significância estatística usando testes t pareados e teste de McNemar.
6. Avalie a significância estatística das diferenças de desempenho entre o modelo híbrido de conjunto e arquiteturas individuais de CNN usando testes t pareados para métricas contínuas (AUC, precisão, escore F1) em dobras de validação cruzada, e o teste de McNemar para resultados de classificação pareada no conjunto de teste.
   NOTA: O modelo híbrido demonstrou melhorias estatisticamente significativas em relação a todos os modelos de backbone single, com valores p < 0,05 para precisão e AUC, confirmando que os ganhos de desempenho observados não foram causados por variação aleatória. A precisão é uma métrica crítica de avaliação na triagem de DR, especialmente para minimizar previsões falsos positivas que podem levar a encaminhamentos desnecessários, ansiedade do paciente e aumento da carga na saúde. Precisão é definida como a proporção de casos positivos corretamente previstos entre todos os casos previstos como positivos e é expressa como:
   Precisão=TPTP+FP\texto{Precisão} = \frac{TP}{TP + FP}Precisão=TP+FPTP
   onde TP representa verdadeiros positivos, e FP representa falsos positivos.
7. No contexto da detecção de DR, interpretar alta precisão indica que imagens classificadas como tendo DR realmente contêm sinais patológicos, melhorando assim a confiabilidade dos sistemas automatizados de triagem. Enfatize que essa métrica é especialmente relevante para triagens populacionais em larga escala, onde falsos positivos excessivos podem sobrecarregar os sistemas de encaminhamento. Neste estudo, avalie a precisão para cada grau de DR, bem como para a detecção binária referencial de DR, a fim de avaliar a capacidade do modelo de distinguir com precisão casos patológicos de controles saudáveis.

Results

Resumo do conjunto de dados e efeitos de pré-processamento

O conjunto de dados curado consistiu em 53.412 imagens coloridas do fundo do fundo, distribuídas nas cinco classes de gravidade de DR: Sem DR (0) - 39,2%, Leve (1) - 18,4%, Moderada (2) - 22,5%, Grave (3) - 12,1% e DR Proliferativa (4) - 7,8%. Os dados provinham do EyePACS, APTOS 2019 e de um centro terciário chinês de oftalmologia, garantindo diversidade em etnia, condições de imagem ...

Discussion

Neste estudo, desenvolvemos e avaliamos rigorosamente um modelo híbrido de conjunto combinando EfficientNetB0 e DenseNet121, ajustado com aprendizado por transferência e aprimorado com etapas clássicas de pré-processamento, CLAHE, remoção de artefatos e normalização de intensidade, para a gradação de DR de cinco classes. O conjunto alcançou desempenho excepcional: precisão de 91,2%, macroAUC 0,961 e F₁score 0,913 para detecção de DR referencial, e sensibilidade de 92,1%, conforme relatad...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Câmera Fundus (Topcon, Canon, Zeiss)	Topcon / Canon / Zeiss		Usado para capturar fotografias coloridas do fundo de fundo de alta resolução sob condições variadas de iluminação
NVIDIA Tesla V100 GPU	NVIDIA Corporation	Tesla V100	32 GB de VRAM; Usado para treinar modelos de aprendizado profundo
Python (OpenCV, bibliotecas imgaug)	Comunidade de código aberto		Pré-processamento de imagem incluindo CLAHE, remoção de artefatos, normalização, aumento
TensorFlow 2.10 + Keras	Google Brain		Framework de deep learning usado para construção e treinamento de modelos CNN
EfficientNetB0 & Espinhas dorsuais pré-treinadas do DenseNet121	Código aberto (TensorFlow/Keras Applications)		Backbones de aprendizado por transferência pré-treinados no ImageNet usados para classificação de DR