Detalhes bibliográficos
| Ano de defesa: |
2022 |
| Autor(a) principal: |
Romero, Noemi Maritza Lapa |
| Orientador(a): |
Comba, Joao Luiz Dihl |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
eng |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://hdl.handle.net/10183/279745
|
Resumo: |
A pandemia da COVID-19 trouxe diversos desafios aos sistemas de saúde em todo o mundo. Como a maioria dos pacientes com COVID-19 tem infecções pulmonares, uma tomografia computadorizada (TC) do tórax se mostra eficiente na identificação de infecções por COVID-19, bem como outras classes de doenças pulmonares. Arquiteturas de redes profundas surgiram para identificar automaticamente classes de doenças pulmonares, usando as fatias de TCs como entrada para modelos de classificação. Este trabalho propõe COVID-VR, uma nova abordagem para classificar COVID-19 baseado na classi- ficação de imagens tiradas de diferentes ângulos da renderização do volume dos pulmões, fornecendo assim uma visão global de todo o pulmão em cada imagem. Comparamos nossa proposta com as principais estratégias concorrentes com soluções de código aberto disponíveis, usando dados privados de hospitais parceiros e dados disponíveis publicamente. Os resultados mostram que nossa abordagem identifica lessões pulmonares de COVID-19 com sucesso e é competitiva em relação aos métodos baseados em fatias de TC. Embora nossos experimentos tenham sido focados em dados do COVID-19, nossa solução é extensível a outras doenças pulmonares. |
