Uma rede UNet modificada para segmentação e identificação de lesões pulmonares em tomografias

Abstract

Com o surgimento e disseminação do novo Coronavírus, engenheiros, virologistas, epi demiologistas e profissionais de outras áreas da saúde estão trabalhando para ajudar a conter essa pandemia o mais rápido possível. No processo de estudo e determinação dos indícios diagnósticos para a doença, notou-se a presença recorrente de achados pul monares em tomografias computadorizas de tórax dos pacientes infectados. Assim como na infecção por coronavírus, número significante de doenças respiratórias do trato inferior, causadas por agentes externos, manifestam-se nas tomografias. Por tais fatos, automa tizar o processo de identificação destas anomalias pulmonares, pode agilizar e facilitar o diagnóstico de profissionais da área da saúde, em casos como estes. Este trabalho, propõe o uso de uma arquitetura UNet modificada para realizar a segmentação e identificação das lesões pulmonares nas tomografias de tórax. Foram criados conjuntos de treinamento, validação e teste, utilizando-se dados abertos disponibilizados pela comunidade científica, e aplicando-se técnicas de pré-processamento e aumento de dados para melhoraria da qualidade das amostras de entrada. Como resultado, foi comparada e discutida a vali dação da utilização de um esqueleto UNet para segmentação das imagens e a importância do pré-processamento dos dados para se obter bons resultados em modelos mais simples. A topologia proposta obteve um resultado de 98.01% de acurácia nos dados de teste.