Trabalho de Conclusão de Curso
Análise de imagens radiográficas pulmonares usando atributos estatísticos e de textura
Pulmonary radiographic image analysis using statistical and texture features
Registro en:
LIMA, Manuela Rodrigues de Sousa e. Análise de imagens radiográficas pulmonares usando atributos estatísticos e de textura. 2022. 28 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Biomédica) – Universidade Federal de Uberlândia, Uberlândia, 2022.
Autor
Lima, Manuela Rodrigues de Sousa e
Institución
Resumen
COVID-19 is an infectious disease that became a pandemic in 2020 and one of the methods used
to aid in the prognosis were imaging tests, such as chest radiography. One of the major problems
of this exam is the difficulty of interpretation, aggravated by the fact that it is a disease still little
known and that presents symptoms similar to other pathologies. Considering this, this study
aimed to analyze the mean, standard deviation, kurtosis, and skewness and the main Haralick
texture features of radiographic images of patients with COVID-19 and of exams reported with
different pulmonary diseases and with no radiological finding, in order to contribute to the
general characterization of chest radiography exams of this disease and to investigate variables
that effectively help in the identification of SARS-CoV-2. As a result of this work, it was possible
to notice that COVID-19 exams have statistical and texture features considerably different from
those of other pulmonary anomalies, a pattern of local uniformity and homogeneity was observed
in chest radiography exams of patients diagnosed with COVID-19, which can be identified by
analyzing the highest values of Angular Second Moment, Correlation and Inverse Difference
Moment, simultaneously with the lowest values of Contrast and Entropy of Haralick features of
these images. In addition, in the COVID-19 exams, a pattern of density and dispersion of pixels
was identified, demonstrated by the discrepant higher values of mean and standard deviation.
Thus, these variables can be studied with the aim of being used for medical assistance when there
is uncertainty in the prognosis during the examination visualization. Pesquisa sem auxílio de agências de fomento Trabalho de Conclusão de Curso (Graduação) A COVID-19 é uma doença infectocontagiosa que se tornou uma pandemia em 2020 e um
dos métodos utilizados para auxílio ao prognóstico foram os exames de imagem, à exemplo da
radiografia de tórax. Um dos grandes problemas desse exame é a dificuldade de interpretação,
agravado pelo fato de se tratar de uma doença ainda pouco conhecida e que apresenta sintomas
parecidos com de outras patologias. Considerando isso, esse trabalho se propôs a analisar a
média, desvio padrão, curtose, e assimetria e os principais descritores de textura de Haralick
de imagens radiográficas de pacientes com COVID-19 e de exames laudados com diferentes
doenças pulmonares e sem achado radiológico, a fim de contribuir com a caracterização geral
de exames de radiografia de tórax da doença e investigar variáveis que auxiliem efetivamente
na identificação do SARS-CoV-2. Como resultado desse trabalho foi possível perceber que os
exames nos quais há presença da COVID-19 possuem características estatísticas e de textura
consideravelmente diferentes das outras anomalias pulmonares, foi observado um padrão maior
de uniformidade e homogeneidade locais em exames de radiografia de tórax de pacientes diagnosticados
com COVID-19, o que pode ser identificado ao analisar os maiores valores de
Segundo Momento Angular, Correlação e Momento de Diferença Inverso, simultaneamente com
os menores valores de Contraste e Entropia dos atributos de textura de Haralick dessas imagens.
Além disso, nos exames de COVID-19 foi identificado maior padrão de densidade e dispersão
dos pixels demonstrado pelos discrepantes maiores valores de média e desvio padrão. Com isso,
essas variáveis podem ser estudadas com o objetivo de serem utilizadas para o auxílio médico
quando há incerteza do prognóstico durante a visualização do exame.