Análisis de imágenes de TC torácica en pacientes con Covid-19 mediante el algoritmo local Binary Pattern

Autores/as

  • Ana Evelia Hernández Aguirre Tecnológico Nacional de México Campus León
  • David Asael Gutiérrez Hernández Tecnológico Nacional de México Campus León
  • Alan David Blanco Miranda Universidad Tecnológica de León
  • Víctor Manuel Zamudio Rodríguez Tecnológico Nacional de México Campus León
  • Carlos Carlos Lino Ramírez Tecnológico Nacional de México Campus León
  • Raúl Santiago Montero Tecnológico Nacional de México Campus León

Palabras clave:

Covid-19, Tomografía Computarizada, pixel

Resumen

El avance de la Inteligencia artificial (IA) ha ido desarrollándose con el paso del tiempo y ha demostrado ser de gran utilidad en diferentes áreas, una de ellas es el área de la salud. Los médicos se han apoyado de imágenes médicas, entre ellas la Tomografía Computarizada (TC) para poder dar diagnósticos y/o prevenir enfermedades. En el año 2019 fue cuando surgió el llamado COVID-19 (enfermedad de Coronavirus-19), nombrado así desde el 11 de febrero del 2020. A partir de estos años se empezó a enfocar principalmente en cómo combatir, curar o contrarrestar esta enfermedad. Actualmente sigue siendo prioridad descubrir avances que puedan ser de ayuda para el área médica en el tema del COVID-19. En este artículo se presentan los resultados de las TC de la región torácica de pacientes con COVID-19 procesadas por el algoritmo LBP (Local Binary Pattern) básico y algunas de sus variantes (LBP uniforme y LBP con invarianza a la rotación) donde se observan los diferentes patrones de dichas imágenes por medio de sus histogramas, llegando a identificar la frecuencia de los patrones correspondientes a cada LBP anteriormente mencionado con la implementación de filtro gaussiano con  media ponderada  e implementación de los canales rojo y verde así como las imágenes de TC del área torácica sin un preprocesamiento, dichas imágenes con un tamaño de 512x512.

Descargas

Los datos de descargas todavía no están disponibles.

Referencias bibliográficas

Bernheim, A. et al. (2020). Chest CT findings in coronavirus disease-19 (COVID-19): rela-tionship to duration of infection. Radiology, p. 200463.

Chen, J. et al. (2013). RLBP: Robust Local Binary Pattern. Center for Machine Vision Research.

De Ramón Balmaseda, E. J. (2011). Transformaciones basadas en el algoritmo Local Binary Pattern de imágenes capturadas con la Kinect para clasificación facial. Tesis de Maestría.

Fang, Y. et al. (2020). CT manifestations of two cases of 2019 novel coronavirus (2019-nCoV) pneumonia. Radiology, vol. 295, No 1, pp. 208-209.

Jalaber, C, et al. (2020). Chest CT in COVID-19 pneumonia: A review of current knowledge. Diagnostic and interventional Imaging, vol. 101, No 7-8, pp. 431-437.

Kumar, T. and Verma, K. (2010). A Theory Based on Conversion of RGB image to Gray ima-ge. International Journal of Computer Applications, vol. 7, No 2, pp. 7-10.

Morrison, P. et al. (2020). COVID-19 image data collection, arXiv:2003.11597. Consultado el 28 de diciembre de 2022 en https://github.com/ieee8023/covid-chestxray-dataset

Ojala, T. et al. (2002). Multiresolution gray-scale and rotation invariant texture classification with local binary patterns. IEEE Transactions on pattern analysis and machine intelligence, vol. 24, No 7, pp. 971-987.

OpenCV. (2022). Image Filtering. Consultado el 30 de enero de 2022 en https://docs.opencv.org/4.x/d4/d86/group__imgproc__filter.html#gaabe8c836e97159a9193fb0b11ac52cf1

OpenCV. (2022). Operations on arrays. Consultado el 30 de enero de 2022 en https://docs.opencv.org/4.x/d2/de8/group__core__array.html#gafafb2513349db3bcff51f54ee5592a19

Palomares, F. G. et al. (2016). Aplicación de la convolución de matrices al filtrado de imáge-nes. Modelling in Science Education and Learning, vol. 9, No 1, pp. 97-108.

Qian, L. et al. (2020). Severe acute respiratory disease in a Huanan seafood market worker: images of an early casualty. Radiology: Cardiothoracic Imaging, vol. 2, No 1, pp. e200033.

Toro Ramos, C. A. (2019). Aplicaciones de la visión artificial como herramienta de gestión de riesgo aplicadas al monitoreo hidrometeorológico en el Valle de Aburrá. Instituto de Sistemas y Ciencias de la Decisión. Tesis Maestría.

Wang L. et al. (2020). A pneumonia outbreak associated with a new coronavirus of probable bat origin. nature, Vol. 579, No. 7798, pp. 270-273.

WHO. (2020, February). WHO Director-General’s remarks at the media briefing on 2019-nCoV on 11 February 2020. Consultado el 26 de enero de 2022 en https://www.who.int/dg/speeches/detail/who-director-general-s-remarks-at-the-media-briefing-on-2019-ncov-on-11-february-2020

Descargas

Publicado

07-09-2022

Cómo citar

[1]
A. E. Hernández Aguirre, D. A. . Gutiérrez Hernández, A. D. . Blanco Miranda, V. M. Zamudio Rodríguez, C. . Carlos Lino Ramírez, y R. Santiago Montero, «Análisis de imágenes de TC torácica en pacientes con Covid-19 mediante el algoritmo local Binary Pattern», EIEI ACOFI, sep. 2022.