Título: Apoio para Triagem da Infecção por COVID-19 Através de Aprendizagem Profunda Sobre Imagens Segmentadas de Raio-X do Tórax
Autores: Cecília Costa, José Seixas, Bianca Gutfilen, Sérgio Souza, Susie Medeiros, Carlos Régis, Ricardo Farias and Kaique Oliveira.
Resumo:
A busca por eficiência na triagem de pacientes com indicativo de infecção por COVID-19 tem impulsionado pesquisadores de diversas áreas no desenvolvimento de sistemas de apoio, com particular ênfase noaprendizado profundo. Neste trabalho, consideramos as imagens de Raio-X de tórax, que são segmentadas para identificar os pulmões como região de interesse. Para tal, o modelo MultiResUnet é utilizado, obtendo um Índice de Jaccard de 93,34% e Coeficiente Dice de 96,53%. As imagens segmentadas alimentaram três modelos profundos com diferentes níveis de complexidade sendo um baseado em uma Máquina de Vetores de Suporte ( SVM) do tipo Classe Única. Os modelos de aprendizado profundo apresentaram desempenho superior, quando comparados ao SVM, obtendo uma sensibilidade de 98% para a identificação da COVID-19. Porém, observou-se que o aumento da complexidade não propiciou ganhos expressivos de desempenho.
Palavras-chave:
COVID-19, Radiografias do tórax, Segmentação, Aprendizado Profundo, Classificação.
Páginas: 7
Código DOI: 10.21528/CBIC2021-61
Artigo em pdf: CBIC_2021_paper_61.pdf
Arquivo BibTeX: CBIC_2021_61.bib