Segmentação de Infecções Pulmonares de COVID-19 com a Rede Mask R-CNN
DOI:
https://doi.org/10.59681/2175-4411.v15.iEspecial.2023.1100Palavras-chave:
Processamento de Imagem Assistida por Computador, COVID-19, Tomografia ComputadorizadaResumo
A COVID-19 se espalhou pelo mundo causando esgotamento de recursos médicos em vários países. Métodos computacionais que analisam imagens de infecções pulmonares podem ser utilizados para diagnóstico e estimativa da evolução dessa doença. O artigo apresenta os resultados de um modelo de aprendizagem profunda (Mask R-CNN), para segmentação automática de infecções pulmonares em tomografias computadorizadas, utilizando a base COVID-19 CT Lung and Infection Segmentation Dataset. Os melhores resultados deste trabalho, com a rede que faz a segmentação de pulmões, foram 69,92% para o índice Dice e 55,72% para o índice Jaccard.
Referências
Jun M, Cheng G, Yixin W, Xingle A, Jiantao G, Ziqi Y, Minqing Z, Xin L, Xueyuan D, Shucheng C, Hao W. COVID-19 CT lung and infection segmentation dataset.
He K, Gkioxari G, Dollár P, Girshick R. Mask r-cnn. IEEE international conference on computer vision 2017 (pp. 2961-2969).
Sawatzky J, Souri Y, Grund C, Gall J. What object should i use?-task driven object detection. IEEE/CVF Conference on Computer Vision and Pattern Recognition 2019 (pp. 7605-7614).
Oulefki A, Agaian S, Trongtirakul T, Laouar AK. Automatic COVID-19 lung infected region segmentation and measurement using CT-scans images. Pattern recognition. 2021 Jun 1;114:107747.
Amyar A, Modzelewski R, Li H, Ruan S. Multi-task deep learning based CT imaging analysis for COVID-19 pneumonia: Classification and segmentation. Computers in Biology and Medicine. 2020 Nov 1;126:104037.
Wang G, Liu X, Li C, Xu Z, Ruan J, Zhu H, Meng T, Li K, Huang N, Zhang S. A noise-robust framework for automatic segmentation of COVID-19 pneumonia lesions from CT images. IEEE Transactions on Medical Imaging. 2020 Jun 5;39(8):2653-63.
Zhou T, Canu S, Ruan S. An automatic covid-19 ct segmentation network using spatial and channel attention mechanism. arXiv 2020. arXiv preprint arXiv:2004.06673.
El-Bana S, Al-Kabbany A, Sharkas M. A multi-task pipeline with specialized streams for classification and segmentation of infection manifestations in COVID-19 scans. PeerJ Computer Science. 2020 Oct 19;6:e303.
Zhang P, Zhong Y, Deng Y, Tang X, Li X. CoSinGAN: learning COVID-19 infection segmentation from a single radiological image. Diagnostics. 2020 Nov 3;10(11):901.
Fan DP, Zhou T, Ji GP, Zhou Y, Chen G, Fu H, Shen J, Shao L. Inf-net: Automatic covid-19 lung infection segmentation from ct images. IEEE Transactions on Medical Imaging. 2020 May 22;39(8):2626-37.
Elharrouss O, Subramanian N, Al-Maadeed S. An encoder-decoder-based method for COVID-19 lung infection segmentation. arXiv preprint arXiv:2007.00861. 2020 Jul 2.
Yao Q, Xiao L, Liu P, Zhou SK.
Label-free segmentation of COVID-19 lesions in lung CT. IEEE transactions on medical imaging. 2021 Mar 24;40(10):2808-19.
Müller D, Rey IS, Kramer F. Automated chest ct image segmentation of covid-19 lung infection based on 3d u-net. arXiv preprint arXiv:2007.04774. 2020 Jun 24.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 Hugo Silveira Sousa, Abdenago Alves Pereira Neto, Iális Cavalcante de Paula Júnior, Clara Ricardo de Melo
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
A submissão de um artigo ao Journal of Health Informatics é entendida como exclusiva e que não está sendo considerada para publicação em outra revista. A permissão dos autores para a publicação de seu artigo no J. Health Inform. implica na exclusiva autorização concedida aos editores para incluí-lo na revista. Ao submeter um artigo, ao autor será solicitada a permissão eletrônica de um Termo de Transferência de Direitos Autorais. Uma mensagem eletrônica será enviada ao autor correspondente confirmando o recibo do manuscrito e o aceite da Declaração de Direito Autoral.
