Eles observaram que a textura é um dos principais atributos visuais das imagens produzidas na radiografia torácica

Cinco pesquisadores que integram projeto de pesquisa da Universidade Estadual de Maringá (UEM), coordenado pelo professor Yandre Maldonado e Gomes da Costa, do Departamento de Informática, desenvolveram um estudo científico para identificar a pneumonia causada pela Covid-19 utilizando imagens de radiografias de tórax.

Os cientistas resolveram fazer a pesquisa levando em conta o alto impacto provocado pela doença no sistema de saúde, o que torna crucial o diagnóstico precoce para o tratamento correto, a fim de reduzir o estresse nesse mesmo sistema.

O estudo classificou imagens CXR (radiografia de tórax) para identificar a Covid-19. Este tipo de radiografia, a CXR, oferece imagens menos ricas em termos de conteúdo se comparadas a imagens de tomografia computadorizada. Entretanto, é um exame que disponibiliza as imagens mais rapidamente, além de ser muito mais barato e disponível em muito mais unidades de atendimento básico de saúde. Essa foi a principal motivação para o desenvolvimento do trabalho com imagens CXR.

A base de dados elaborada para o desenvolvimento do estudo é composta de imagens obtidas de pacientes sem pneumonia e outras colhidas de pacientes acometidos por seis tipos diferentes de pneumonia, provocadas por fungos, bactérias ou vírus (Covid-19, Sars, Mers, Varicella, Streptococcus e Pneumocystis).

As imagens foram obtidas a partir de repositórios de imagens disponibilizadas por outros pesquisadores, como o professor Joseph Cohen, da Universidade de Montreal (Canadá), entre outras fontes públicas.

Dado o desequilíbrio natural existente entre as quantidades de imagens disponíveis para cada tipo de pneumonia nesse domínio de aplicação, os autores experimentaram algoritmos de reamostragem para reequilibrar a distribuição de amostras entre as classes, o que tende a favorecer a obtenção de melhores resultados.

O professor doutor Yandre da Costa coordenou a pesquisa

A base de dados curada pelos autores para avaliar a proposta foi chamada de RYDLS-20 e está disponível publicamente para que outros pesquisadores também possam utilizá-la em busca de progresso científico acerca de um tema tão urgente.

Textura

Para capturar o conteúdo das imagens a fim de desenvolver o classificador, os autores observaram que a textura é um dos principais atributos visuais das imagens CXR.

O esquema de classificação adotado pelos pesquisadores extrai preponderantemente esse tipo de conteúdo, além de outros descritores de conteúdo obtidos com algoritmos de aprendizagem profunda. A abordagem de classificação apresentada alcançou, no melhor cenário, uma taxa de identificação de Covid-19 de 89%, e foi obtida em um cenário de classificação hierárquica.

O estudo “COVID-19 identification in chest X-ray images on flat and hierarchical classification scenarios” ou, na tradução livre “Identificação da COVID-19 em radiografias de tórax em cenários de classificação plana e hierárquica”, foi submetido a uma revista científica com alto fator de impacto e, dada a urgência e importância do tema, também está disponível no arXiv, uma plataforma para divulgação de resultados científicos da Universidade de Cornell, nos Estados Unidos.

O trabalho leva a assinatura dos professores Rodolfo Miranda Pereira, do Instituto Federal do Paraná (IFPR); Yandre Maldonado da Costa e Lucas de Oliveira Teixeira, do Departamento de Informática da UEM; Carlos Nascimento Silla Jr, da Pontifícia Universidade Católica do Paraná (PUCPR); e Diego Bertolini Gonçalves, do Programa de Pós-Graduação em Ciência da Computação da UEM e também professor da Universidade Tecnológica Federal do Paraná (UTFPR) em Campo Mourão. Rodolfo e Lucas são egressos do Programa de Pós-Graduação em Ciência da Computação (PCC) da UEM.

A versão completa do artigo pode ser obtida neste link.

Fotos: banco de imagens do Google e ASC/UEM