Ir direto para menu de acessibilidade.
Portal do Governo Brasileiro
  • Acessibilidade
  • Alto Contraste
  • Mapa do Site
  • PortugueseEnglishSpanishChinese (Simplified)FrenchGermanItalian
Página Inicial > Notícias > Estudos liderados por pesquisador do IFMA são publicados em revistas científicas de destaque
Início do conteúdo da página Notícias

Estudos liderados por pesquisador do IFMA são publicados em revistas científicas de destaque

Professor João Otávio Bandeira Diniz desenvolveu dois métodos que usam inteligência artificial na detecção e classificação de Covid-19 por meio de imagens de Raios-X e tomografia.
  • Assessoria de Comunicação
  • publicado 01/07/2021 11h30
  • última modificação 01/07/2021 11h30

Imprimir

João Otávio Bandeira Diniz

Duas pesquisas de métodos de detecção e classificação de Covid-19 por imagens médicas desenvolvidas no Instituto Federal do Maranhão (IFMA) foram publicadas em revistas de destaque nacional e internacional. Os dois estudos, liderados pelo professor João Otávio Bandeira Diniz, do Campus Grajaú, buscam otimizar o processo de avaliação dos exames por meio de computação para reconhecimento e categorização da doença no organismo infectado.

Classificação de Covid-19 por imagens de Raios-X

O primeiro artigo, “Automatic method for classifying COVID-19 patients based on chest X-ray images, using deep features and PSO-optimized XGBoost”, em português “Método automático para classificar pacientes com COVID-19 em imagens de raios-X de tórax, usando características profundas e XGBoost otimizado por PSO”, foi publicado na revista Expert System with Application (Elsevier), Qualis A1, Fator de Impacto 5.452.

Neste estudo, é proposto um método inédito para classificar as imagens de Raio-X de pacientes em: paciente normal, paciente com COVID-19, paciente com pneumonia viral, paciente com pneumonia bacteriana. “Com o uso de um modelo de inteligência artificial para classificar os exames de Raio-X do tórax nessas categorias, o especialista consegue ter a informação da análise daquele exame a priori e, assim, validá-lo de forma rápida. Destaca-se que neste momento de pandemia, inúmeros profissionais da saúde estão com excesso de demanda e hospitais superlotados. Logo, uma ferramenta que faça essa triagem pode ser fundamental para que mais vidas sejam salvas e que esta análise aconteça de maneira rápida e eficaz”, disse João Otávio Bandeira Diniz.

O professor João Otávio Bandeira Diniz explica outros benefícios trazidos pela pesquisa. “As imagens de Raio-X são o tipo de exame por imagem mais utilizado no mundo, principalmente em países em desenvolvimento, onde este processo é o menos oneroso. Contudo, a avaliação nem sempre é trivial, tanto pela quantidade de pacientes submetidos aos exames diariamente, quanto às características de pouca qualidade que implica em uma classificação errada, isto é, suas características podem ser de COVID-19, mas serem confundidas por pneumonia bacteriana, por exemplo. Assim, propomos um método automático que busca auxiliar o especialista na classificação rápida e eficaz destes exames, servindo como uma segunda opção e um facilitador, poupando o tempo e, consequentemente, trazendo resultados mais eficazes no dia-a-dia clínico”, descreve.

Além do pesquisador do IFMA, a pesquisa com imagens de Raios-X também é assinada por Domingos Alves Dias Júnior – UFMA; Luana Batista da Cruz – UFMA; Giovanni Lucca França da Silva – UFMA/UNDB; Geraldo Braz Junior – UFMA; Aristófanes Corrêa Silva – UFMA; Anselmo Cardoso de Paiva – IFMA; Rodolfo Acatauassú Nunes – UERJ; e Marcelo Gattass – PUC-Rio.

Detecção de Covid-19 por meio de tomografia e inteligência artificial

Já o segundo artigo, “Segmentation and quantification of COVID-19 infections in CT using pulmonary vessels extraction and deep learning”, em português “Segmentação e quantificação de infecções por COVID-19 em TC [tomografia computadorizada] usando extração de vasos pulmonares e aprendizagem profunda”, foi publicado na revista internacional Multimedia Tools and Applications (com classificação Qualis A2 pelo Qualis Unificado, e fator de impacto 2.313).

O professor explica que, nesse estudo, as imagens de tomografia computadorizada fornecem informações valiosas sobre como a doença afeta os pulmões do paciente. “No entanto, a análise dessas imagens não é trivial, principalmente quando os pesquisadores estão em busca de soluções rápidas. Detectar e avaliar essa doença pode ser cansativo, demorado e suscetível a erros. Assim, neste estudo, foi proposto um método para segmentar automaticamente as infecções causadas pelo COVID19 e fornecer medidas quantitativas dessas infecções a especialistas, servindo assim como uma ferramenta de apoio”, disse João Otávio Bandeira Diniz.

O método usa como base um banco de dados de casos clínicos reais do Hospital Universitário Pedro Ernesto do Estado do Rio de Janeiro e envolve cinco etapas: segmentação pulmonar, segmentação e extração dos vasos pulmonares, segmentação da infecção, classificação da infecção e quantificação da infecção. “Para estas etapas, foram construídos algoritmos de Visão Computacional (uma subárea da Inteligência Artificial – IA). Para isto, foram criados modelos a partir do treinamento de redes neurais convolucionais (rede neural artificial especializada para reconhecimento de imagens)”, explicou o pesquisador do IFMA.

Os resultados alcançados para detecção das infecções foram comparados com os recentes trabalhos da literatura e apresentaram métricas de validação superiores aos trabalhos já publicados. João Otávio Bandeira Diniz relata ainda os benefícios trazidos pelo uso da inteligência artificial na detecção e quantificação de comprometimento pulmonar em tomografias computadorizadas de pacientes acometidos por COVID-19. “Dado o momento de pandemia e a superlotação de hospitais e centros de saúde, a utilização da IA busca ser uma aliada aos médicos e radiologistas. Ao utilizar o método proposto, é possível de forma rápida identificar as regiões acometidas por pneumonia causada por COVID-19 em tomografias. Com isto, o especialista consegue avaliar a tomografia de forma eficiente, uma vez que as regiões já estão demarcadas pelo modelo”, destacou o professor.

Com a demarcação das regiões pulmonares, encontram-se ainda métricas úteis para avaliação, como por exemplo: porcentagem de comprometimento pulmonar por vidro fosco por pulmão, porcentagem de comprometimento pulmonar por condensação por pulmão, porcentagem total de comprometimento por pulmão, entre outras métricas calculadas por auxílio de computador.

O estudo de tomografia computadorizada é assinado por outros pesquisadores, além de João Otávio Bandeira Diniz – Darlan Bruno Pontes Quintanilha – UFMA; Antonino C. Santos Neto – UFMA; Giovanni L. F. da Silva – UFMA/UNDB; Jonnison L. Ferreira – UFMA/IFAM; Stelmo M. B. Netto – UFMA; José D. L. Araújo – UFMA; Luana B. Da Cruz – UFMA; Thamila F. B. Silva – UFMA; Caio M. da S.Martins – UFMA; Marcos M. Ferreira – UFMA; Venicius G. Rego – UFMA; José M. C. Boaro – UFMA; Carolina L. S. Cipriano – UFMA; Aristófanes C. Silva – UFMA; Anselmo C. de Paiva – UFMA; Geraldo Braz Junior – UFMA; João D. S. de Almeida – UFMA; Rodolfo A. Nunes – UERJ; Roberto Mogami – UERJ; e Marcelo Gattass – PUC-Rio.

Apoio financeiro

As duas pesquisas foram realizadas com apoio do Conselho Nacional das Instituições da Rede Federal de Educação Profissional, Científica e Tecnológica (CONIF) e da Fundação de Amparo à Pesquisa e Desenvolvimento Científico do Maranhão (Fapema). Pelo CONIF, o projeto recebeu um apoio de quase 125 mil reais para compra de equipamento para execução de algoritmos de inteligência artificial. Na ocasião, este foi o único trabalho do IFMA aceito nesse edital (https://portal.ifma.edu.br/2020/05/29/covid-19-ifma-desenvolve-projeto-de-computacao-para-avaliacao-de-exames-por-imagens/). Pela Fapema, o apoio foi de cerca de R$ 23 mil reais utilizado para compra de computadores de ponta.


Confira os artigos

Segmentation and quantification of COVID-19 infections in CT using pulmonary vessels extraction and deep learning | SpringerLink

Automatic method for classifying COVID-19 patients based on chest X-ray images, using deep features and PSO-optimized XGBoost – ScienceDirect

Outros trabalhos de IA na saúde desenvolvidos pelo professor também foram destaque no site do IFMA:

https://portal.ifma.edu.br/2020/08/26/ifma-grajau-pesquisador-desenvolve-inteligencia-artificial-aplicada-a-saude/

 

registrado em:
Fim do conteúdo da página