Ferramenta de anotação de imagem de olho de código aberto
Palavras-chave:
ferramenta, marcação de dados, rastreamento ocularResumo
Introdução: o rastreamento do centro pupilar por meio de imagens de vídeo-oculografia é amplamente utilizado para o diagnóstico de doenças do sistema nervoso. A diferença entre o valor detectado automaticamente do centro da pupila e o valor de referência marcado por um especialista (anotação) determina a precisão do diagnóstico. O processo de anotação manual é muito trabalhoso, tedioso e propenso a erros humanos. As anotações são essenciais para desenvolver e avaliar algoritmos na área de visão artificial, principalmente aqueles baseados em aprendizado supervisionado, porém, existem poucas ferramentas interativas para realizar anotação confiável do centro do aluno.
Objetivo: desenvolver uma ferramenta de código aberto para anotar o centro da pupila.
Método: foram definidos os requisitos funcionais e não funcionais da ferramenta e implementados dois algoritmos para a anotação semiautomática do centro da pupila com base nos métodos de ajuste de elipse e círculo, a partir de vários pontos marcados pelo especialista.
Resultados: o aplicativo de software, denominado PUPILA, foi desenvolvido em Python, no período de março de 2020 a setembro de 2020, e disponibiliza diversas funções auxiliares que facilitam a tarefa do anotador.
Conclusões: a nova ferramenta proporciona um ambiente legais e interativo para registrar o centro do aluno, garantindo conforto, precisão e redução de subjetividades no trabalho do especialista. É de código aberto e multiplataforma, permitindo que seja compatível com vários dispositivos e de uso gratuito. Tornou possível anotar imagens de bancos de dados públicos e outros adquiridos experimentalmente.
Downloads
Referências
2. Min-Allah N, Jan F, Alrashed S. Pupil detection schemes in human eye: a review. Multimed Syst [Internet]. 2021 [citado 3 Ene 2022]; 27:753-777. DOI: https://doi.org/10.1007/s00530-021-00806-5
3. Park J, Lee YW. A Comparative Study on the Center-based Iterative Hough Transform. J Stud Res [Internet]. 2020 [citado 7 Ene 2022]; 9(2):1-10, DOI: https://doi.org/10.47611/jsrhs.v9i2.1206
4. Manchalwar MD, Warhade KK. Histogram of Oriented Gradient based Automatic Detection of Eye Diseases. En: International Conference on Computing, Communication, Control and Automation (ICCUBEA), 2017. IEEE; 2017. [citado 7 Ene 2022]. Disponible en: https://ieeexplore.ieee.org/document/8463671
5. Vázquez Romaguera L, Perdigón Romero F, Vázquez Seisdedos CR, Fernandes Costa Filho CF, Fernándes Costa MG. Detecção automática da pupila usando ajuste de elipse, 2016. En: XXV Congresso Brasileiro de Engenharia Biomédica, 2016. Brazil: Anais do CBEB; 2016. [citado 7 Ene 2022]. Disponible en: https://www.researchgate.net/publication/312041891_AUTOMATIC_PUPIL_DETECTION_USING_ELLIPSE_FITTING
6. Araujo GM, Ribeiro, FML, Júnior WSS, da Silva EAB, Goldenstein SK. Weak Classifier for Density Estimation in Eye Localization and Tracking. IEEE Trans Image Proc [Internet]. 2017 [citado 12 Ene 2022]; 26(7):3410-3424. Disponible en: https://ieeexplore.ieee.org/document/7898792
7. Riyazuddin YMD, Mahaboob Basha S, Krishna Reddy K, Naseera Banu S. Effective Usage of Support Vector Machine in Face Detection. Int J Eng Res Adv Technol [Internet]. 2020 [citado 12 Ene 2022]; 9(3):1336-1340, Disponible en: https://www.ijeat.org/wp-content/uploads/papers/v9i3/C5406029320.pdf
8. Han SY, Kwon HJ, Kim Y, Cho NI. Noise-Robust Pupil Center Detection Through CNN-Based Segmentation with Shape-Prior Loss. IEEE Access [Internet]. 2020 [citado 12 Ene 2022]; 8:64739-64749. Disponible en: https://ieeexplore.ieee.org/abstract/document/9055424
9. Vázquez Romaguera T, Hubert Sánchez F, Vázquez Seisdedos CR. Herramienta para anotación de imágenes oculares. En: XVIII Convención y Feria Informática Internacional, 2020, V Conferencia Internacional en Ciencias Computacionales e Informática CICCI, Marzo 16-20, 2020. La Habana; 2020. [citado 12 Ene 2022]; Disponible en: http://www.informaticahabana.cu/es/node/5588
10. Roli F, Vitulano S. Image Analysis and Processing. En: 13th International Conference, Cagliari, Italy, Sep 6-8, 2005. Italia: Springer; 2005. Disponible en: https://link.springer.com/book/10.1007/11553595
11. Center of Biometrics and Security Research. CASIA Iris Image Database [Internet]. Beijing, China: CASIA; 2005 Disponible en: http://www.cbsr.ia.ac.cn/english/IrisDatabase.asp
12. Kothari RS, Chaudhary AK, Bailey RJ, Pelz JB, Diaz GJ. Ellseg: An ellipse segmentation framework for robust gaze tracking. IEEE Trans Visual Comp Grap [Internet]. 2021 [citado 13 Ene 2022]; 27(5):2757-2767. Disponible en: https://ieeexplore.ieee.org/abstract/document/9389650
13. Rubio J de. Stability analysis of the modified Levenberg–Marquardt algorithm for the artificial neural network training. IEEE Trans Neural Netw Learn Syst [Internet]. 2020 [citado 13 Ene 2022], 32(8):3510-3524. Disponible en: https://ieeexplore.ieee.org/abstract/document/9170566
