Análise de imagens de pulmão para detecção da COVID-19 e classificação da severidade da doença

Detalhes bibliográficos
Autor(a) principal: Vendramini, Giovanna, 1998-
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/11484
Resumo: Orientador: Hélio Pedrini
id UNICAMP-30_5b7f01b24b3bcc6ad5f05814541e73e7
oai_identifier_str oai::1344257
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Análise de imagens de pulmão para detecção da COVID-19 e classificação da severidade da doençaLung image analysis for COVID-19 detection and disease severity classificationAprendizado de máquinaRedes neurais profundasProcessamento de imagensInteligência artificialCOVID-19Machine learningDeep neural networksImage processingArtificial intelligenceCOVID-19Orientador: Hélio PedriniDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de ComputaçãoResumo: A COVID-19 é o nome dado pela Organização Mundial da Saúde à infecção respiratória aguda causada pelo coronavírus SARS-CoV-2, que é uma doença grave e de elevada transmissibilidade. Desde a descoberta dos primeiros casos, a doença se espalhou mundialmente, causando a morte de milhões de pessoas. O diagnóstico precoce e preciso da COVID-19 é essencial para controlar a rápida propagação da pandemia e mitigar sequelas na população. Alguns métodos de diagnóstico atuais são eficazes, mas requerem tempo para fornecer resultados e podem sobrecarregar rapidamente as clínicas médicas, demandando análises laboratoriais individuais. Os métodos de detecção automática têm o potencial de reduzir significativamente o tempo de diagnóstico. Para este fim, métodos baseados em aprendizado de máquina usando imagens pulmonares têm sido explorados. Embora exijam equipamento especializado, métodos de avaliação automática podem ser executados de forma ininterrupta, tornando o diagnóstico mais rápido. Os métodos comumente adotados para detecção da pneumonia causada pela COVID-19 em imagens de pulmão são as redes neurais convolucionais e as redes baseadas em atenção. Este trabalho explora algumas abordagens de aprendizado de máquina profundo, tais como as redes neurais convolucionais, as redes de segmentação e as redes baseadas no mecanismo de atenção, além de propor a MIA-3DCNN, uma rede neural convolucional tridimensional (3D). As redes MultiResUNet, Inception-ResNet-v2 e Swin Transformer obtiveram bons resultados na detecção da COVID-19 no cenário bidimensional (2D), com acurácia acima de 99%. No cenário tridimensional, a arquitetura MIA-3DCNN alcançou uma medida F1 macro de 0,81 e 0,43, nas tarefas de detecção da COVID-19 e classificação de severidade na terceira Competição COV19D. Com esse resultado, a MIA-3DCNN se classificou em terceiro e quarto lugares nas respectivas tarefasAbstract: COVID-19 is the name given by the World Health Organization to the acute respiratory infection caused by the SARS-CoV-2 coronavirus, which is a serious, highly transmissible disease. Since the discovery of the first cases, the disease has spread worldwide, causing the death of millions of people. Early and accurate diagnosis of COVID-19 is essential to control the rapid spread of the pandemic and mitigate sequelae in the population. Some current diagnostic methods are effective but require time to provide results and can quickly overwhelm medical clinics, requiring individual laboratory analysis. Automatic detection methods have the potential to significantly reduce diagnostic time. To this end, machine learning-based methods using lung imaging have been explored. Although they require specialized hardware, automatic evaluation methods can be performed non-stop, making diagnosis faster. Commonly adopted methods for detecting COVID-19 pneumonia in chest images are convolutional neural networks and attention-based networks. This work explores some deep learning approaches, such as convolutional neural networks, segmentation networks, and attention-based networks, in addition to proposing the MIA-3DCNN, a three-dimensional (3D) convolutional neural network. The MultiResUNet, Inception-ResNet-v2, and Swin Transformer networks achieved good results in the detection of COVID-19 in the two-dimensional (2D) setting, with an accuracy above 99%. In the three-dimensional setting, the MIA-3DCNN architecture achieved a macro F1 score of 0.81 and 0.43, in the tasks of COVID-19 detection and severity classification in the third COV19D Competition. With this result, MIA-3DCNN ranked third and fourth in the respective tasksMestradoCiência da ComputaçãoMestra em Ciência da ComputaçãoFuncamp[s.n.]Pedrini, Hélio, 1963-Nascimento, Marcelo Zanchetta doSantanchè, AndréUniversidade Estadual de Campinas (UNICAMP). Instituto de ComputaçãoPrograma de Pós-Graduação em Ciência da ComputaçãoUNIVERSIDADE ESTADUAL DE CAMPINASVendramini, Giovanna, 1998-20232023-06-07T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online (75 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/11484VENDRAMINI, Giovanna. Análise de imagens de pulmão para detecção da COVID-19 e classificação da severidade da doença. 2023. 1 recurso online (75 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/11484. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/1344257Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2023-08-07T11:54:27Zoai::1344257Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2023-08-07T11:54:27Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Análise de imagens de pulmão para detecção da COVID-19 e classificação da severidade da doença
Lung image analysis for COVID-19 detection and disease severity classification
title Análise de imagens de pulmão para detecção da COVID-19 e classificação da severidade da doença
spellingShingle Análise de imagens de pulmão para detecção da COVID-19 e classificação da severidade da doença
Vendramini, Giovanna, 1998-
Aprendizado de máquina
Redes neurais profundas
Processamento de imagens
Inteligência artificial
COVID-19
Machine learning
Deep neural networks
Image processing
Artificial intelligence
COVID-19
title_short Análise de imagens de pulmão para detecção da COVID-19 e classificação da severidade da doença
title_full Análise de imagens de pulmão para detecção da COVID-19 e classificação da severidade da doença
title_fullStr Análise de imagens de pulmão para detecção da COVID-19 e classificação da severidade da doença
title_full_unstemmed Análise de imagens de pulmão para detecção da COVID-19 e classificação da severidade da doença
title_sort Análise de imagens de pulmão para detecção da COVID-19 e classificação da severidade da doença
author Vendramini, Giovanna, 1998-
author_facet Vendramini, Giovanna, 1998-
author_role author
dc.contributor.none.fl_str_mv Pedrini, Hélio, 1963-
Nascimento, Marcelo Zanchetta do
Santanchè, André
Universidade Estadual de Campinas (UNICAMP). Instituto de Computação
Programa de Pós-Graduação em Ciência da Computação
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Vendramini, Giovanna, 1998-
dc.subject.por.fl_str_mv Aprendizado de máquina
Redes neurais profundas
Processamento de imagens
Inteligência artificial
COVID-19
Machine learning
Deep neural networks
Image processing
Artificial intelligence
COVID-19
topic Aprendizado de máquina
Redes neurais profundas
Processamento de imagens
Inteligência artificial
COVID-19
Machine learning
Deep neural networks
Image processing
Artificial intelligence
COVID-19
description Orientador: Hélio Pedrini
publishDate 2023
dc.date.none.fl_str_mv 2023
2023-06-07T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/11484
VENDRAMINI, Giovanna. Análise de imagens de pulmão para detecção da COVID-19 e classificação da severidade da doença. 2023. 1 recurso online (75 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/11484. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/11484
identifier_str_mv VENDRAMINI, Giovanna. Análise de imagens de pulmão para detecção da COVID-19 e classificação da severidade da doença. 2023. 1 recurso online (75 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/11484. Acesso em: 3 set. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1344257
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online (75 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809189191462944768

Registros relacionados