Uso de Redes Complexas para Classificação de Doenças Pulmonares Intersticiais em Imagens de Tomografia Computadorizada

Abstract

Doenças Pulmonares Intersticiais (DPIs) são caracterizadas pela cicatrização progressiva do interstício pulmonar e podem levar a insuficiência respiratória. Este artigo propõe um método de classificação de DPIs a partir de imagens de Tomografia Computadorizada (TC) mapeadas em uma Rede Complexa. Métricas de centralidade foram usadas com o objetivo de obter seus atributos texturais. Utilizando um classificador KNN, os resultados apresentaram uma acurácia média de 89.81%. Para os padrões de textura de DPI do tipo consolidação pulmonar e opacidade em vidro fosco, a acurácia do método foi de 90% e 86%, respectivamente, o que aponta o método proposto como promissor para estudos futuros em imagens de TC associadas a pacientes com COVID-19.

Discovery of Attention Deficit Hyperactivity Disorder Spectrum Using Community Detection

“…The study conducted by Mendes [20] introduces a sophisticated network methodology for automated classification of CT images displaying patterns of Interstitial Lung Disease (ILD). This study is specifically aimed at researchers in the field who are interested in utilizing advanced techniques for image analysis and classification.…”