RAM DDR3 SO-DIMM SDRAM
Flash 0 MB 0 MB 64MB
Portas USB 2 4 4
Sistema
Operacional Raspbian 3.18 Ubuntu 14.04.2 CentOS 6
Como pode ser visto, o hardware da Beagleboard-xM é superior em relação à Raspberry PI Modelo B. Além de possuir baixa potência, ele tem suporte para sistemas operacionais mais modernos, devido ao chipset ARM mais recente. Por outro lado, o objetivo do projeto da Raspiberry Pi é ser um computador barato. Quando se é analisado o tempo de execução x preço, percebe-se que a diferença entre os tempos é de 7 segundos e a diferença de preços fica entre US$114.
Visando a obter o resultado mais rápido possível, foram abordados os dois tipos de soluções na DE2i-150.
Percebe-se que o tempo de execução da solução somente Software é menor do que a solução Hardware/Software. Isso se deve ao fato da memória compartilhada entre o processador Atom e a FPGA ser apenas de 32 bits. E como as operações
morfológicas requerem as informações dos pixels vizinhos, a imagem teve que ser processada linha por linha.
Apesar do preço da DE2i-150 ser alto, ele é no mínimo mil vezes mais barato do que os aparelhos utilizados atualmente e apresentados na revisão de literatura. Assim, ela pode ser uma alternativa para nortear o problema do acesso aos cuidados dos olhos em regiões remotas e pobres.
Não foi possível fazer comparação de tempo de execução com outros trabalhos pois dados sobre tempo não foram fornecidos, mas há fortes indícios de que os tempos de execução devem ser maiores porque eles consideravam a imagem toda da retina, assim eles ainda tinham que descobrir onde ficava o disco óptico e em alguns casos utilizavam técnicas que reconhecidamente tem alto custo computacional.
para sanar os problemas relacionados ao acesso a serviços de saúde em áreas remotas ou pobres. Para realizar o diagnóstico de glaucoma foi desenvolvido um algoritmo que detecta o disco óptico e a escavação na imagem do fundo da retina e faz o cálculo da relação E/D. Visando em obter um diagnóstico rápido, preciso e de baixo custo, foram desenvolvidas duas soluções, uma somente Software e outra Hardware/Software, para serem testadas em plataformas diferentes.
A precisão do algoritmo proposto foi validado através dos conceitos de sensibilidade e especificidade. O algoritmo proposto teve uma sensibilidade de 88,46%, especificidade de 95,45% e uma precisão total de 91,95%. O algoritmo proposto teve uma sensibilidade de 88,46%, especificidade de 95,45% e uma precisão total de 91,95%. Este algoritmo foi validado utilizando uma Beagleboard- xM, uma Raspberry Pi Modelo B e usando duas arquiteturas, somente o processador Atom e o processador Atom e a FPGA, em um kit de desenvolvimento DE2i-150, e obteve o diagnóstico de glaucoma com 10, 17, 3 e 8 segundos, respectivamente.
A contribuição desta dissertação fica evidente pois o algoritmo desenvolvido alcançou resultados, no mínimo, muito perto do estado da arte e com baixo custo computacional. Na maioria das vezes atingiram resultados muito superiores ao estado da arte. Além disso, as soluções embarcadas desenvolvidas nessa tese permitiram uma nova perspectiva para solucionar os problemas envolvendo as dificuldades no diagnóstico de glaucoma em áreas remotas ou pobres.
Os trabalhos futuros se concentrarão no desenvolvimento de uma solução Hardware/Software onde a detecção do disco óptico e da escavação sejam feitas no lado da FPGA. Em adição, almeja-se também em desenvolver um método mais robusto de pré-processamento para as imagens do RIM-ONE, visando em diminuir os falsos positivos e aumentar a sensibilidade do algoritmo e avaliar o consumo de energia desta solução visto que o aparelho será portátil e depende de bateria.
REFERÊNCIAS
ALBERTO C. F. Processamento Digital de Imagens – Estatísticas sobre Imagens Digitais. Disponível em <http://www.dpi.inpe.br/~carlos/Academicos/Cur sos/Pdi/pdi_es tatisticas.html>. Acessado em 15 de Junho de 2015.
ALEXANDRE C. B. M. Processamento Digital de Imagens. Disponível em: <http://www.cin.ufpe.br/~cabm/visao/Aula03_Imagem.pdf>. Acessado em 15 de Junho de 2015.
ALTERA. Qsys - Altera’s System Integration Tool. Disponível em: <https://www.altera.com/products/design-software/fpga-design/quartusprime/quartus- ii-subscription-edition/qts-qsys.html>. Acessado em 15 de Junho de 2015.
ALTERA. Terasic - DE2i-150 FPGA Development Kit. Disponível em: <http://www.ter-asic.com.tw/cgi-bin/page/archive.pl?Language=English&Category No=11&No=529>. Acessado em 15 de Junho de 2015.
ANTELOPE MALL VISION CENTER OPTOMETRY. Eyecare Technology. Disponível em: <http://www.antelopemalloptometry.com/eyecare-technology.php>. Acessado em 15 de Junho de 2015.
BEAGLEBOARD. BeagleBoard-xM. Disponível em: <http://beagleboard.org/beagle board-xm>. Acessado em 15 de Junho de 2015.
BUYS, Y. M. et al. Comparison of newly diagnosed ocular hypertension and open-angle glaucoma: ocular variables, risk factors, and disease severity. J Ophthalmol, p. 757106, 2012. ISSN 2090-0058. 2012.
BRITTON, R. J. et al. The area of the neuroretinal rim of the optic nerve in normal eyes. Am J Ophthalmol, v. 103, n. 4, p. 497-504, Apr 1987.
CARBONARO F. et al. The Heritability of Corneal Hysteresis and Ocular Pulse Amplitude: A Twin Study. Ophthalmology.115(9):1545-9. 2008.
CAROLINA A. P. R. Capítulo 6 – Perda Visual Crônica. Disponível em <http://www.oftalmologiausp.com.br/imagens/capitulos/Capitulo%206.pdf>.
Acessado em 15 de Junho de 2015.
CARRO, L; WAGNER, F. R. Sistemas computacionais embarcados. Jornadas de Atualização em Informática 2003. SBC, 2003.
CEPIVA. Cirurgia refreativa. Disponível em <http://www.cevipa.com.br/2015/05/>. Acessado em 15 de Junho de 2015.
COSTA, V. P. et al. O que os pacientes sabem sobre glaucoma?. Arquivo Brasileiro de Oftalmologia. 58 (1): 36-41. 1995.
DUNLOP R. Introdution to Catmull-Rom Splines. Disponível em: <http://www.mvps.org/directx/articles/catmull/>. Acessado em 15 de Junho de 2015.
silenciosa. Ed INESP. 2009.
FOSTER A.; GILBERT C.; JOHNSON G. Changing patterns in global blindness: 1988-2008. Community Eye Health Journal. 21(67):37-39. 2008.
FUMERO F. et al. RIM-ONE: An Open Retinal Image Database for Optic Nerve Evaluation. In 24th International Symposium on Computer-Based Medical Systems (CBMS), June 2011.
GOEL M. et al. Aqueous humor dynamics: a review. Open Ophthalmol J. 4:52-9. Sep 3. 2010.
HEALEY, P. R. et al. Relationship between cup-disc ratio and optic disc diameter: the Blue Mountains Eye Study. Aust N Z J Ophthalmol, v. 25 Suppl 1, p. S99-101, May 1997.
HOSPITAL DE OLHOS DE IRATI. Check-up de Glaucoma. Disponível em <http://hospitaldeolhosdeirati.com.br/exames/check-up-de-glaucoma/>. Acessado em 15 de Junho de 2015.
IMPLEMED. Oftalmoscópios. Disponível em <http://www.implemed.com.br/ equ_oftalmoscopio.html>. Acessado em 15 de Junho de 2015.
INSTITUTO DA VISÃO. GDx. Disponível em: <http://www.institutodavisao.com.br/
?pag=lst& tp=Exames&id=46>. Acessado em 15 de Junho de 2015.
INSTITUTO DE OFTALMOLOGIA DO RIO DE JANEIRO. Glaucoma. Disponível em <http://www.iorj.med.br/glaucoma-2/>. Acessado em 15 de Junho de 2015.
INSTITUTO PANAMERICANO DA VISÃO. Tomografia de Coerência Óptica. Disponível em: <http://www.ipvisao.com.br/site/Institucional.do?vo.chave=tomografi a_de_coerencia_optica&tipo=20>. Acessado em 15 de Junho de 2015.
JAMUNDA T. Reconhecimento de Formas: A Transformada de Hough. Disponível em <http://www.inf.ufsc.br/~visao/2000/Hough/>. Acessado em 15 de Junho de 2015.
JONAS, J. B. et al. Human optic nerve fiber count and optic disc size. Invest Ophthalmol Vis Sci, v. 33, n. 6, p. 2012-8, May 1992.
JONAS, J. B.; BUDDE, W. M.; PANDA-JONAS, S. Ophthalmoscopic evaluation of the optic nerve head. Surv Ophthalmol, v. 43, n. 4, p. 293-320, 1999 Jan-Feb 1999. JONAS, J. B.; GUSEK, G. C.; NAUMANN, G. O. Optic disc, cup and neuroretinal
rim size, configuration and correlations in normal eyes. Invest Ophthalmol Vis Sci, v. 29, n. 7, p. 1151-8, Jul 1988a.
JOSHI G. D.; SIVASWAMY J.; KRISHANADAS S. R. Optic Disk and Cup Segmentation from Monocular Colour Retinal Images for Glaucoma Assessment. IEEE Transactions on Medical Imaging, (30):1192-1205. 2011.
KAHN H. A.; MILTON R. C. Alternative definition of open-angle glaucoma: effect on prevalence and association in the Framingham Eye Study. Arch Ophthalmol. 98: 2172. 1980.
KOERICH A. L. Aprendizagem de Máquina – Algoritmo K-Means. Universidade Católica do Paraná. 2008.
LI, H.; CHUTATAPE O. A model-based approach for automated feature extraction in fundus images. In Proc. Of the 9th IEEE International Conference on Computer Vision, 2003.
MACNICA. Introduction to the Qsys System Integration Tool (IQSYS101). Disponível em <http://www.macnicadhw.com.br/introduction-to-the-qsys-system- integration-tool>. Acessado em 15 de Junho de 2015.
MELLO P. A. A.; MANDIA JUNIOR C. Segundo Consenso Brasileiro de Glaucoma Primário de ângulo Aberto. Ed. PlanMark. 2005.
MELLO P. A. A.; MANDIA JUNIOR C. Terceiro Consenso Brasileiro de Glaucoma Primário de ângulo Aberto. Ed. PlanMark. 2009.
NARASIMHAN K.; VIJAYAREKHA K. An efficient automated system for glaucoma detection using fundus image. Journal of theoretical and applied information technology, vol. 33 no.1. 15th November 2011.
NAYAK J. et al. Automated diagnosis of glaucoma using digital fundus images. J. Med. Syst., vol. 33, no. 5, pp. 337–346, Aug. 2009.
NUNES; Fátima L. S. Introdução ao processamento de imagens médicas para auxílio a diagnóstico – uma visão prática. Livro das Jornadas de Atualizações em Informática, p. 73-126, 2006.
OFTALMOCLIN. Glaucoma. Disponível em <http://www.oftalmoclinsc.com.br/ html/dicas10.html>. Acessado em 15 de Junho de 2015.
ORGÜL S.; GUGLETA K.; FLAMMER J. Physiology of Perfusion as It Relates to the Optic Nerve Head. Survey of Ophthalmology. 43(1):S17-S26. 1999.
PAHLAVAN M. Y.; SCHAUMONT P. AES Co-Processor on TerasIC DE2i-150. Disponível em: <http://rijndael.ece.vt.edu/de2i150/designs/AES.pdf>. Acessado em 15 de Junho de 2015
PREMIER OPHTHALMIC SERVICES. Zeiss Cirrus HD-OCT 4000. Disponível em <http://premierop.com/zeiss-cirrus-hd-oct-4000>. Acessado em 15 de Junho de 2015.
RITCH, R.; SHIELDS, M. B.; KRUPIN, T. The Glaucomas: Glaucoma Therapy. 2ª ed. St. Louis: Mosby-Year Book, 1996.
RYLANDER, N. R.; VOLD, S. D. Cost analysis of glaucoma medications. Am J Ophthalmol, v. 145, n. 1, p. 106-13. ISSN 0002-9394. 2008.
SANTOS C. A; SOUZA A. I. Introdução à Visão Computacional – Capítulo 3: Morfologia Matemática. 1988.
SARAIVA V. Doenças de Retina e Vítreo. Disponível em: <http://www.eyedoctor. com.br/Doencas.html>. Acessado em 15 de Junho de 2015.
SCHMETTERER L. et al. Effects of antiglaucoma drugs on ocular hemodynamics in healthy volunteers. Clin Pharmacol Ther. 61(5):583-95. 1997. SHIELDS, M. B. Textbook of Glaucoma. Quarta edição, Baltimore, Williams and Wilkins. 1998.
SUSANNA JUNIOR R. Glaucoma. Rio de Janeiro: Cultura Médica, São Paulo: CIBA Vision: CBO, Manuais Básicos/ CBO, 17; 1999.
SUSANNA, R.; VESSANI, R. M. New findings in the evaluation of the optic disc in glaucoma diagnosis. Curr Opin Ophthalmol, v. 18, n. 2, p. 122-8, Mar 2007. VARMA R.; SPAETH, G. L. The optic nerve in glaucoma. J.B. Lippincott: 137–140. 1993.
VIDE OFTALMOLOGIA. O que é OCT?. Disponível em: <http://videoftalmolo gia.com.br/?p=94>. Acessado em 15 de Junho de 2015.
WERNE A. et al. The circadian variations in systemic blood pressure, ocular perfusion pressure, and ocular blood flow: risk factors for glaucoma?. Surv Ophthalmol. 53(6):559-67. 2008.
WONG D. W. K. et al. Level-set based automatic cup-to-disc ratio determination using retinal fundus images in ARGALI. in Conf Proc IEEE Eng Med Biol Soc.2008, pp. 2266-9, 2008.
ZANGWILL, L. M. et al. Discriminating between normal and glaucomatous eyes using the Heidelberg Retina Tomograph, GDx Nerve Fiber Analyzer, and Optical Coherence Tomograph. Arch Ophthalmol, v. 119, n. 7, p. 985-93, Jul 2001.
APÊNDICE A – IMPLEMENTAÇÃO SW