Cientistas criam método para identificar a Covid-19 com imagens de raio x

- Eles observaram que a textura é um dos principais atributos visuais das imagens produzidas na radiografia torácica
O professor doutor do Departamento de Informática da UEM, Yandre Maldonado Gomes da Costa, coordenou a pesquisa

Cinco pesquisadores que integram projeto de pesquisa da Universidade Estadual de Maringá (UEM), coordenado pelo professor Yandre Maldonado Gomes da Costa, do Departamento de Informática, desenvolveram um estudo científico para identificar a pneumonia causada pela Covid-19 utilizando imagens de radiografias de tórax.

Os cientistas resolveram fazer a pesquisa levando em conta o alto impacto provocado pela doença no sistema de saúde, o que torna crucial o diagnóstico precoce para o tratamento correto, a fim de reduzir o estresse nesse mesmo sistema.

O estudo classificou imagens CXR (radiografia de tórax) para identificar a Covid-19. CXR oferece imagens menos ricas em termos de conteúdo se comparadas a imagens de tomografia computadorizada. Entretanto, é um exame que disponibiliza as imagens mais rapidamente, além de ser muito mais barato e disponível em muito mais unidades de atendimento básico de saúde. Essa foi a principal motivação para o desenvolvimento do trabalho com imagens CXR.

A base de dados elaborada para o desenvolvimento do estudo é composta de imagens obtidas de pacientes sem pneumonia e outras colhidas de pacientes acometidos por seis tipos diferentes de pneumonia, provocadas por fungos, bactérias ou vírus (Covid-19, Sars, Mers, Varicella, Streptococcus e Pneumocystis).

As imagens foram obtidas a partir de repositórios de imagens disponibilizadas por outros pesquisadores, como o professor Joseph Cohen, da Universidade de Montreal (Canadá), entre outras fontes públicas.

Dado o desequilíbrio natural existente entre as quantidades de imagens disponíveis para cada tipo de pneumonia nesse domínio de aplicação, os autores experimentaram algoritmos de reamostragem para reequilibrar a distribuição de amostras entre as classes, o que tende a favorecer a obtenção de melhores resultados.

A base de dados curada pelos autores para avaliar a proposta foi chamada de RYDLS-20 e está disponível publicamente para que outros pesquisadores também possam utilizá-la em busca de progresso científico acerca de um tema tão urgente.

TEXTURA

Para capturar o conteúdo das imagens a fim de desenvolver o classificador, os autores observaram que a textura é um dos principais atributos visuais das imagens CXR.

O esquema de classificação adotado pelos pesquisadores extrai preponderantemente esse tipo de conteúdo, além de outros descritores de conteúdo obtidos com algoritmos de aprendizagem profunda. A abordagem de classificação apresentada alcançou, no melhor cenário, uma taxa de identificação de Covid-19 de 89%, e foi obtida em um cenário de classificação hierárquica.

O estudo “COVID-19 identification in chest X-ray images on flat and hierarchical classification scenarios” ou, na tradução livre “Identificação da COVID-19 em radiografias de tórax em cenários de classificação plana e hierárquica”, foi submetido a uma revista científica com alto fator de impacto e, dada a urgência e importância do tema, também está disponível no arXiv, uma plataforma para divulgação de resultados científicos da Universidade de Cornell, nos Estados Unidos.

O trabalho leva a assinatura dos professores Rodolfo Miranda Pereira, do Instituto Federal do Paraná (IFPR); Yandre Maldonado Gomes da Costa e Lucas de Oliveira Teixeira, do Departamento de Informática da UEM; Carlos Nascimento Silla Jr, da Pontifícia Universidade Católica do Paraná (PUC-PR); e Diego Bertolini Gonçalves, do Programa de Pós-Graduação em Ciência da Computação da UEM e também professor da Universidade Tecnológica Federal do Paraná (UTFPR) em Campo Mourão. Rodolfo e Lucas são egressos do Programa de Pós-Graduação em Ciência da Computação (PCC) da UEM.

Fonte: Jornalista Paulo Pupim/ASC/UEM – Fotos: Google e ASC/UEM

 

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *