Diagnóstico do ceratocone baseado no Orbscan com o auxílio de uma rede neural / Detection of keratoconus based on a neural network with Orbscan

RESUMO

OBJETIVO: Desenvolver uma rede neural artificial para classificar em normal ou portador de ceratocone os pacientes submetidos ao exame do Orbscan II TM. MÉTODOS: Foi realizado um estudo retrospectivo envolvendo 98 exames de 59 pacientes. Utilizando o programa Java Neural Network 1.1 foi criada uma rede neural artificial para classificar os exames entre os dois grupos (normais e portadores de ceratocone). Foram utilizados 73 exames para treinamento e validação da rede, e 25 para testar o seu funcionamento. RESULTADOS: Dos 73 exames utilizados no treinamento da rede, 59 eram normais e 14 mostravam alterações relacionadas ao ceratocone. O método utilizado para treinamento da rede foi o "backpropagation". A taxa de aprendizado utilizada foi de 0,2, e a taxa de tolerância de erro 0,05. Dos 25 exames utilizados para a avaliação da eficácia da rede, 19 eram normais, e 6 apresentavam ceratocone. Após o treinamento a rede apresentou sensibilidade e especificidade de 83 e 100 por cento, respectivamente. CONCLUSÃO: A rede neural artificial representa uma opção útil e viável para auxiliar na classificação de exames realizados com o Orbscan II TM.

ABSTRACT

PURPOSE: To evaluate an artificial neural network in order to correctly identify Orbscan II TM tests of patients with normal and keratoconus corneas. METHODS: A retrospective analysis included 98 Orbscan II TM tests of 59 subjects and an artificial neural network was created and trained based on the Java Neural Network 1.1 software. Seventy-three tests (59 normal tests and 14 keratoconus examinations) were applied to train the neural network and 25 eyes were used to test the method (19 normal eyes and 6 cases of keratoconus corneas). RESULTS: Backpropagation method was performed to train the neural network to 5 percent error and 0.2 learning rate. The trained neural network presented sensibility and specificity of 83 and 100 percent respectively. CONCLUSION: Artificial neural network can accurately help clinicians to classify keratoconus in Orbscan II TM tests.