Classificação da COVID-19 em Radiografias do Tórax Utilizando Redes Neurais Profundas e Padrões Binários Locais

João Victor Gomes Martins, Mateus Pereira Gregório, Matheus de Freitas Oliveira Baffa, Alessandra Martins Coelho

Resumo


Objetivos: O trabalho é desenvolver um algoritmo de classificação de imagens de raios-x do tórax para auxiliar na detecção de pacientes infectados pelo SARS-COV-2. Métodos: O método proposto neste trabalho consiste em realizar um pré-processamento das imagens, destacando as características texturais, a fim de criar um vetor descritor baseado em padrões locais binários. A detecção de padrões e a criação do modelo de classificação é realizada utilizando uma Rede Neural Totalmente Conectada. Resultados: Os experimentos para avaliar o método foram realizados seguindo o protocolo da validação cruzada k-fold. Foram obtidos uma taxa de acerto médio de 96.52% e uma sensibilidade de 94%. Conclusão: Conclui-se que o método proposto neste trabalho tem importante impacto para auxiliar os radiologistas na detecção de pacientes com COVID-19, com alto grau de confidência, podendo atuar como uma segunda avaliação de um exame por imagem.

Palavras-chave


Aprendizado Profundo; Coronavírus; Radiografia

Texto completo: PDF


Journal of Health Informatics - ISSN 2175-4411
Rua Tenente Gomes Ribeiro, 57 - sala 33 CEP 04038-040 São Paulo - SP - Brasil
Tel./Fax: + 55 11 3791 3343 - E-mail: jhi@sbis.org.br