Pub Date : 2021-06-15DOI: 10.5753/sbcas.2021.16073
Gabriel J. S. Costa, A. Paiva, Geraldo Braz Júnior, M. M. Ferreira
Even though vaccines are already in use worldwide, the COVID-19 pandemic is far from over, with some countries re-establishing the lockdown state, the virus has taken over 2 million lives until today, being a serious health issue. Although real-time reverse transcription-polymerase chain reaction (RTPCR) is the first tool for COVID-19 diagnosis, its high false-negative rate and low sensitivity might delay accurate diagnosis. Therefore, fast COVID-19 diagnosis and quarantine, combined with effective vaccination plans, is crucial for the pandemic to be over as soon as possible. To that end, we propose an intelligent system to classify computed tomography (CT) of lung images between a normal, pneumonia caused by something other than the coronavirus or pneumonia caused by the coronavirus. This paper aims to evaluate a complete selfattention mechanism with a Transformer network to capture COVID-19 pattern over CT images. This approach has reached the state-of-the-art in multiple NLP problems and just recently is being applied for computer vision tasks. We combine vision transformer and performer (linear attention transformers), and also a modified vision transformer, reaching 96.00% accuracy.
{"title":"COVID-19 automatic diagnosis with CT images using the novel Transformer architecture","authors":"Gabriel J. S. Costa, A. Paiva, Geraldo Braz Júnior, M. M. Ferreira","doi":"10.5753/sbcas.2021.16073","DOIUrl":"https://doi.org/10.5753/sbcas.2021.16073","url":null,"abstract":"Even though vaccines are already in use worldwide, the COVID-19 pandemic is far from over, with some countries re-establishing the lockdown state, the virus has taken over 2 million lives until today, being a serious health issue. Although real-time reverse transcription-polymerase chain reaction (RTPCR) is the first tool for COVID-19 diagnosis, its high false-negative rate and low sensitivity might delay accurate diagnosis. Therefore, fast COVID-19 diagnosis and quarantine, combined with effective vaccination plans, is crucial for the pandemic to be over as soon as possible. To that end, we propose an intelligent system to classify computed tomography (CT) of lung images between a normal, pneumonia caused by something other than the coronavirus or pneumonia caused by the coronavirus. This paper aims to evaluate a complete selfattention mechanism with a Transformer network to capture COVID-19 pattern over CT images. This approach has reached the state-of-the-art in multiple NLP problems and just recently is being applied for computer vision tasks. We combine vision transformer and performer (linear attention transformers), and also a modified vision transformer, reaching 96.00% accuracy.","PeriodicalId":413867,"journal":{"name":"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)","volume":"15 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127226102","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2021-06-15DOI: 10.5753/sbcas.2021.16077
Pedro E. O. Primo, Weslley L. Caldas, G. S. Almeida, L. P. L. Brasil, Carlos H. L. Cavalcante, J. P. Madeiro, Danielo G. Gomes, R. C. Pedrosa
A doença de Chagas (DC) afeta cerca de 7 milhões de pessoas no mundo e pode levar à Morte Súbita Cardíaca (MSC) do paciente por cardiomiopatia, cuja evolução pode ser controlada com diagnóstico precoce. Neste artigo, foram utilizados 7 algoritmos de aprendizagem de máquina com uma base de dados clínicos de pacientes chagásicos, objetivando a classificação em alta ou baixa predisposição do paciente à MSC, com seleção de atributos e balanceamento dos dados. Os melhores resultados indicam AUC:85.35 e F1:75.79 para o algoritmo K-Vizinhos Mais Próximos. Devido ao forte impacto nos modelos de aprendizagem de máquina, sugerimos o uso da Taquicardia Ventricular Não Sustentada e Extrassístole Ventricular Total como indicadores de MSC iminente.
{"title":"Auxílio ao Diagnóstico para Predição de Morte Súbita em Pacientes Chagásicos a Partir de Dados Clínicos: uma Abordagem baseada em Aprendizagem de Máquina","authors":"Pedro E. O. Primo, Weslley L. Caldas, G. S. Almeida, L. P. L. Brasil, Carlos H. L. Cavalcante, J. P. Madeiro, Danielo G. Gomes, R. C. Pedrosa","doi":"10.5753/sbcas.2021.16077","DOIUrl":"https://doi.org/10.5753/sbcas.2021.16077","url":null,"abstract":"A doença de Chagas (DC) afeta cerca de 7 milhões de pessoas no mundo e pode levar à Morte Súbita Cardíaca (MSC) do paciente por cardiomiopatia, cuja evolução pode ser controlada com diagnóstico precoce. Neste artigo, foram utilizados 7 algoritmos de aprendizagem de máquina com uma base de dados clínicos de pacientes chagásicos, objetivando a classificação em alta ou baixa predisposição do paciente à MSC, com seleção de atributos e balanceamento dos dados. Os melhores resultados indicam AUC:85.35 e F1:75.79 para o algoritmo K-Vizinhos Mais Próximos. Devido ao forte impacto nos modelos de aprendizagem de máquina, sugerimos o uso da Taquicardia Ventricular Não Sustentada e Extrassístole Ventricular Total como indicadores de MSC iminente.","PeriodicalId":413867,"journal":{"name":"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)","volume":"28 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"116836347","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2021-06-15DOI: 10.5753/sbcas.2021.16074
D. M. Pinto, John Lennon Carvalho de Souza, A. C. Silva, Henrique Manoel de Araújo Martins Filho, A. Paiva, R. A. Zângaro
A esteatose hepática não alcoólica (DHGNA) é a doença de fígado de maior incidência no mundo, afetando cerca de 1,5 bilhão de pessoas. Ela possui uma alta taxa de mortalidade e, se não for diagnosticada e tratada cedo, pode evoluir para sérias complicações no fígado, portanto seu diagnóstico deve ser rápido e eficiente. A aferição da temperatura do corpo humano via termografia é um método não invasivo para detectar a DHGNA. Neste contexto, o objetivo deste trabalho é apresentar um método para classificação de DHGNA em imagens de termografia de fígado. Utilizando redes neurais convolucionais e técnicas de processamento de imagens, o método proposto foi capaz alcançar uma acurácia de 96%, sensibilidade de 91% e especificidade 97%.
{"title":"Classificação de Esteatose Hepática Não Alcoólica em Imagens Térmicas da Região do Fígado Utilizando Redes Neurais Convolucionais","authors":"D. M. Pinto, John Lennon Carvalho de Souza, A. C. Silva, Henrique Manoel de Araújo Martins Filho, A. Paiva, R. A. Zângaro","doi":"10.5753/sbcas.2021.16074","DOIUrl":"https://doi.org/10.5753/sbcas.2021.16074","url":null,"abstract":"A esteatose hepática não alcoólica (DHGNA) é a doença de fígado de maior incidência no mundo, afetando cerca de 1,5 bilhão de pessoas. Ela possui uma alta taxa de mortalidade e, se não for diagnosticada e tratada cedo, pode evoluir para sérias complicações no fígado, portanto seu diagnóstico deve ser rápido e eficiente. A aferição da temperatura do corpo humano via termografia é um método não invasivo para detectar a DHGNA. Neste contexto, o objetivo deste trabalho é apresentar um método para classificação de DHGNA em imagens de termografia de fígado. Utilizando redes neurais convolucionais e técnicas de processamento de imagens, o método proposto foi capaz alcançar uma acurácia de 96%, sensibilidade de 91% e especificidade 97%.","PeriodicalId":413867,"journal":{"name":"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)","volume":"7 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2021-06-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"129921483","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 1900-01-01DOI: 10.5753/sbcas.2021.16068
F. Tamanaka, L. Carlini, T. M. Heideirich, R. Balda, Marina C. M. Barros, R. Guinsburg, C. Thomaz
Newborns (NBs) feel pain and the more premature they are, the more immature are their pain attenuation system. Facial expression recognition is a non-invasive method to identify and evaluate their feelings, since it provides relevant information about pain and the NB's emotional state, allowing discrimination with non-painful stimuli. In this context, this study proposes to use Kendall's correlation coefficient to quantitatively compare the relevance between the facial areas reported in literature to evaluate the NB's pain with the facial areas observed by health professionals and lay people, through eyetracking, when performing the visual pain assessment task on the NBs' facial images. The results showed that the visual perception of adults does not agree with the facial areas proposed by the literature for pain analysis. In addition, the results suggest that health professionals present a distinct perception when compared to the perception presented by non-health professionals. We believe that such results might help to improve pain assessment carried out clinically.
{"title":"Neonatal pain scales study: A Kendall analysis between eye-tracking and literature facial features","authors":"F. Tamanaka, L. Carlini, T. M. Heideirich, R. Balda, Marina C. M. Barros, R. Guinsburg, C. Thomaz","doi":"10.5753/sbcas.2021.16068","DOIUrl":"https://doi.org/10.5753/sbcas.2021.16068","url":null,"abstract":"Newborns (NBs) feel pain and the more premature they are, the more immature are their pain attenuation system. Facial expression recognition is a non-invasive method to identify and evaluate their feelings, since it provides relevant information about pain and the NB's emotional state, allowing discrimination with non-painful stimuli. In this context, this study proposes to use Kendall's correlation coefficient to quantitatively compare the relevance between the facial areas reported in literature to evaluate the NB's pain with the facial areas observed by health professionals and lay people, through eyetracking, when performing the visual pain assessment task on the NBs' facial images. The results showed that the visual perception of adults does not agree with the facial areas proposed by the literature for pain analysis. In addition, the results suggest that health professionals present a distinct perception when compared to the perception presented by non-health professionals. We believe that such results might help to improve pain assessment carried out clinically.","PeriodicalId":413867,"journal":{"name":"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)","volume":"80 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"1900-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"120895248","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：