Este artigo relata uma nova abordagem para a avaliação dos vícios refrativos do olho humano (miopia, hipermetropia e astigmatismo) por meio de uma técnica de Aprendizado de Máquina. Esses vícios são diagnosticados a partir da análise de imagens do olho adquiridas por uma técnica específica, denominada Hartmann-Shack (ou Shack-Hartmann), as quais são pré-processadas utilizando análise de histograma e informações geométricas e espaciais do domínio da aplicação. Em seguida, vetores de características são extraídos por meio de duas técnicas: Análise de Componentes Principais e Tranformada wavelet de Gabor. Por fim, o conjunto de dados com os vetores de características extraídos é analisado por Support Vector Machines. Apesar das limitações do conjunto de imagens, resultados encorajadores foram obtidos, indicando o potencial desta abordagem na área de Optometria/Oftalmologia.

The article introduces a new image analysis approach for measuring refractive errors in the human eye (myopia, hypermetropia and astigmatism) using Machine Learning techniques. These refractive errors are identified through the analysis of images of the eye obtained with a specific technique known as Hartmann-Shack (or Shack-Hartmann), which are preprocessed with histogram analysis considering spatial and geometrical information on the application domain. Afterwards, feature vectors are extracted using two techniques: Principal Component Analysis and Gabor Wavelets Transform. Finally, the dataset with the extracted feature vectors is analyzed using Support Vector Machines. In spite of the limitations of the image dataset, encouraging results were obtained, suggesting the potential of the proposed approach in Optometry/Ophthalmology.