| dc.contributor | Soares, Heliana Bezerra | |
| dc.contributor | Diniz, Anthony Andrey Ramalho | |
| dc.contributor | Souza, Luísa Christina de | |
| dc.creator | Caro, João Pedro Betanza Dal | |
| dc.date | 2022-12-23T16:55:39Z | |
| dc.date | 2022-12-23T16:55:39Z | |
| dc.date | 2022-12-21 | |
| dc.date.accessioned | 2023-09-04T13:31:30Z | |
| dc.date.available | 2023-09-04T13:31:30Z | |
| dc.identifier | CARO, João Pedro Betanza Dal. Segmentação da pneumonia causada por COVID-19
em imagens tomográficas. Orientador: Heliana Bezerra Soares. 2022. 57 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Biomédica) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, 2022. | |
| dc.identifier | https://repositorio.ufrn.br/handle/123456789/50591 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8602341 | |
| dc.description | With the arrival of the COVID-19 pandemic, caused by the new coronavirus Sars-CoV-2,
there was a global race in search of methods to diagnose the disease and understand its
effects on the human body. As most severe cases refer to pulmonary infections, the effects
of the virus in the lungs reached high interest for the area research, popularizing the usage
of computed tomography (CT) chest scans. Aiming to ease the healthcare professional’s
follow-up, this work presents an algorithmic strategy with the objective of segmenting the
COVID-19 compromised region within the lungs. Using morphologic operations and an
adaptive limiarization technique to achieve lung and infection masks, the algorithm could
suggest a compromise rate with a mean error of 3.55%. It also presented a mean accuracy
of 99.11% and a specificity of 99.65%. | |
| dc.description | Com o surgimento da pandemia de COVID-19, causada pelo novo coronavírus chamado
de Sars-COV-2, houve uma corrida global na busca por formas de diagnosticar a doença e
entender seus efeitos no corpo humano. Como os casos mais graves compreendem infeções
pulmonares, o efeito do vírus nos pulmões possui alta relevância para os estudos da área,
tornando bastante popular a utilização e análise de imagens de tomografia computadorizada
(TC) do tórax. Visando auxiliar o profissional de saúde no acompanhamento da doença,
este trabalho apresenta uma estratégia algorítmica com o objetivo de segmentar a região
comprometida pela pneumonia de COVID-19. Utilizando técnicas de operações
morfológicas e um método de limiarização adaptativa para adquirir as máscaras
pulmonares e de infecções, o trabalho foi capaz de sugerir um nível percentual de
comprometimento pulmonar do paciente com um erro médio de 3,55%. O algoritmo
também apresentou uma acurácia média de 99,11% e uma especificidade de 99,65%. | |
| dc.format | application/pdf | |
| dc.language | pt_BR | |
| dc.publisher | Universidade Federal do Rio Grande do Norte | |
| dc.publisher | Brasil | |
| dc.publisher | UFRN | |
| dc.publisher | Engenharia Biomédica | |
| dc.publisher | Engenharia Biomédica | |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | |
| dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | |
| dc.rights | LOCKSS system has permission to collect, preserve, and serve this Archival Unit | |
| dc.subject | COVID-19 | |
| dc.subject | Segmentação | |
| dc.subject | Processamento digital de imagens | |
| dc.subject | Tomografia | |
| dc.subject | Comprometimento pulmonar | |
| dc.subject | Segmentation | |
| dc.subject | Digital imaging processing | |
| dc.subject | Tomography | |
| dc.subject | Lung compromise | |
| dc.title | Segmentação da pneumonia causada por covid-19 em imagens tomográficas | |
| dc.type | bachelorThesis | |
