Diagnosi assistita da computer: rilevamento del glaucoma mediante Support Vector Machine

Il glaucoma è una patologia che causa un aumento della pressione oculare e danneggia il nervo ottico portando ad una graduale ed irreversibile perdita della vista, se non trattata con sufficiente anticipo. I sistemi di diagnosi assistita da computer (CAD) sfruttano l’analisi di foto acquisite mediante tomografia a coerenza ottica (OCT) o tomografia retinica di Heidelberg (HRT). Spesso però queste procedure per la cattura di immagini possono risultare costose, per questo si può ricorrere a tecniche differenti come l’analisi di digital fundus images (DFI). Dalle rappresentazioni vengono estratti diversi parametri come il cup-to-disc ratio ed il rapporto del bordo neuroretinico, per poi fornire una classificazione binaria di tipo sano o malato. Questa trattazione, mediante lo studio della letteratura, ha come scopo quello di focalizzarsi sulla tecnica del Support Vector Machine come metodo di apprendimento supervisionato sottoposto precedentemente ad addestramento. In particolare, si vuole dimostrare l’accuratezza che questo algoritmo di machine learning, per quanto semplice, è in grado di fornire producendo così una classificazione efficace. Questo risultato è possibile grazie al confronto dei parametri sopraccitati all’interno di un database di immagini. Il machine learning nella ricerca medica può dunque procurare strumenti di supporto decisionale non indifferenti grazie all’identificazione precoce di lesioni.