UMA METODOLOGIA PARA RECONSTRUÇÃO 3D DE IMAGENS PULMONARES PARA AUXÍLIO AO DIAGNÓSTICO MÉDICO DE COVID-19
Carregando...
Arquivos
Citações na Scopus
Tipo de produção
Trabalho de Conclusão de Curso
Data
2021-06-18
Autores
GUILHERME HENRIQUE MOREIRA
GUSTAVO ARAÚJO QUEIROZ
VICTOR ANTONIO SILVA DE QUEIROGA
WILLIAM GABRIEL BARBOSA
GUSTAVO ARAÚJO QUEIROZ
VICTOR ANTONIO SILVA DE QUEIROGA
WILLIAM GABRIEL BARBOSA
Orientador
Paulo Sérgio Silva Rodrigues
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
Texto completo (DOI)
Palavras-chave
COVID-19,Realidade Aumentada,Realidade Misturada,Hololens,Rede Neural
Resumo
A pandemia causada pelo COVID-19 é um dos maiores problemas atualmente enfren-
tados pela humanidade, tendo poucos estudos sobre o vírus por ser um problema totalmente
inesperado. Visto que o vírus ataca principalmente o pulmão, diversos diagnósticos médicos
são feitos por tomografia pulmonar. Embora a reconstrução 3D de órgãos anatômicos seja
possível atualmente e é uma solução que acelera o processo de diagnóstico, para o caso espe-
cífico de tomografias com COVID-19, há na literatura poucos trabalhos divulgados. Apesar
de os avanços da tecnologia terem obtido bons resultados em termos de qualidade de exame,
a reconstrução 3D ainda é a melhor opção, uma vez que mostra detalhes não perceptíveis nas
imagens 2D, auxiliando o diagnóstico médico. O presente trabalho apresenta uma metodologia
para auxiliar o diagnóstico médico, utilizando novas técnicas de segmentação de imagens, para
a reconstrução pulmonar 3D com esse tipo de patologia. Desta forma, neste projeto, com um
exame mais detalhado, alcançou-se diagnósticos médicos mais precisos, fazendo com que o
tratamento possa ser mais rápido e eficiente. Após a realização dos experimentos feitos neste
trabalho, concluiu-se que a rede neural artificial alcançou uma melhor precisão na acurácia, em
comparação com trabalhos do estado-da-arte, quando treinamento da rede foi realizado com as
imagens tomográficas sem nenhum tipo de ruído ou aplicação de máscara, além da remoção de
imagens com sinalizações na base de dados. Assim, foi obtido melhores resultados no treina-
mento da rede. Tendo em vista os testes de performance, alcançou-se uma acurácia de 88,2%
e 96,1% em termos de área sob a curva ROC. Na reconstrução 3D, foi possível concluir que,
quando é vista a tomografia em uma malha 3D, torna-se mais prática a análise médica completa
de um pulmão se comparado a uma imagem 2D, além de ampliar as noções de profundidade e
comprimento, possibilitando a análise de diferentes ângulos e distâncias.