Detalhes bibliográficos
Ano de defesa: |
2022 |
Autor(a) principal: |
OLIVEIRA, Danillo Menezes |
Orientador(a): |
LIMA, Fernando Roberto de Andrade |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Universidade Federal de Pernambuco
|
Programa de Pós-Graduação: |
Programa de Pos Graduacao em Tecnologias Energeticas e Nuclear
|
Departamento: |
Não Informado pela instituição
|
País: |
Brasil
|
Palavras-chave em Português: |
|
Link de acesso: |
https://repositorio.ufpe.br/handle/123456789/45663
|
Resumo: |
Com o surgimento da COVID-19 em 2019, o grande desafio foi o diagnóstico inicial da doença como forma de atenuar a propagação do vírus SARS-CoV-2. Exames de tomografia computadorizada (TC) de tórax podem ser utilizados tanto para o diagnóstico quanto para o estadiamento da COVID-19. Entretanto, o seu diagnóstico pode ser confundido com outras infecções agudas. Para melhorar a acurácia diagnóstica, sistemas computadorizados utilizando inteligência artificial (IA) combinado com radiômica podem ser desenvolvidos. Este trabalho integra um projeto de pesquisa cujo objetivo principal é o desenvolvimento e validação de um software para diagnóstico de COVID-19 baseado em TC, radiômica e IA, no qual participam três centros de radiologia. Entretanto, na condução de estudos radiômicos multicêntricos, as diferenças de modelos de equipamentos, protocolos de aquisição e de processamento das imagens podem influenciar os atributos radiômicos obtidos. Uma maneira de reduzir essa variabilidade é a harmonização dos atributos radiômicos entre os centros de pesquisa. Para este trabalho, os atributos dos três centros de radiologia foram selecionados por métodos supervisionado e não supervisionado. Adicionalmente, foi realizada a avaliação da correlação do atributo com o volume das lesões. Aqueles atributos pouco correlacionados ao volume foram harmonizados utilizando o método ComBat. Observou-se que o método não supervisionado, além de selecionar atributos correlacionados a volume, é eficiente na triagem de atributos harmonizados, não sendo necessário uma harmonização matemática (método ComBat). Já os atributos selecionados pelo método supervisionado possuem fraca correlação com o volume da lesão, por este motivo foram harmonizados utilizando o método ComBat. Como resultado, notou-se que o método ComBat é eficiente no alinhamento dos dados dos atributos radiômicos que tem pouca correlação com o volume da lesão, tornando assim viável o estudo radiômico multicêntrico. |