dc.contributorSoares, Heliana Bezerra
dc.contributorDiniz, Anthony Andrey Ramalho
dc.contributorSouza, Luísa Christina de
dc.creatorCaro, João Pedro Betanza Dal
dc.date2022-12-23T16:55:39Z
dc.date2022-12-23T16:55:39Z
dc.date2022-12-21
dc.date.accessioned2023-09-04T13:31:30Z
dc.date.available2023-09-04T13:31:30Z
dc.identifierCARO, 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.identifierhttps://repositorio.ufrn.br/handle/123456789/50591
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/8602341
dc.descriptionWith 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.descriptionCom 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.formatapplication/pdf
dc.languagept_BR
dc.publisherUniversidade Federal do Rio Grande do Norte
dc.publisherBrasil
dc.publisherUFRN
dc.publisherEngenharia Biomédica
dc.publisherEngenharia Biomédica
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/
dc.rightsLOCKSS system has permission to collect, preserve, and serve this Archival Unit
dc.subjectCOVID-19
dc.subjectSegmentação
dc.subjectProcessamento digital de imagens
dc.subjectTomografia
dc.subjectComprometimento pulmonar
dc.subjectSegmentation
dc.subjectDigital imaging processing
dc.subjectTomography
dc.subjectLung compromise
dc.titleSegmentação da pneumonia causada por covid-19 em imagens tomográficas
dc.typebachelorThesis


Este ítem pertenece a la siguiente institución