Análise da Segmentação e Extração de Características na Detecção de COVID-19 em imagens de Raio-x de Tórax

O COVID-19 afeta principalmente os pulmões, causando falta de ar, tosse e até falência de múltiplos órgãos, deixando as pessoas gravemente doentes. A radiografia de tórax se torna necessária para testes e para avaliar o pulmão e o progresso do vírus quanto aos seus efeitos. Este trabalho apresenta a avaliação dos descritores Dense Net201, VGG16, RESNET50 e Xception, e os classificadores Multi-layer Perceptron (MLP) e Random Forest (RF), com a utilização da base COVID-19 chest x-ray database para o diagnóstico do COVID-19. Para avaliar a segmentação foi utilizada a base Tuberculosis (TB) Chest X-ray Database. Os testes foram realizados em um conjunto de imagens segmentadas contendo 6012 imagens de infecções pulmonares, 3616 de COVID-19 e 10192 sem achados. Os cenários avaliados foram (Covid x Normal), (Covid x Opacidade Pulmonar), (Covid x Opacidade Pulmonar x Normal). Os melhores resultados foram alcançados com o descritor DenseNet201 e o classificador MLP no cenário (Covid x Normal), com Acurácia e Kappa de 0,99.