19th International Symposium of Electrical Engineering

SIE 2021

Index of affectation and severity degree by COVID-19 in X-ray images using Artificial Intelligence

Abstract

Problem: The Covid-19 pandemic has caused the congestion of intensive therapies making it impossible for each to have a full-time radiology service. An indicator is necessary to allow intensivists to evaluate the evolution of patients in advanced state of the disease depending on the degree of involvement of their lungs and their severity in thorax X-ray images (CXR).

Objective (s): Propose an evaluation algorithm of grade involvement of lungs in CXR images in patients diagnosed with COVID-19 in advanced state of the disease.

Methodology: The algorithm combines the assessment of image quality, digital image processing and deep learning for segmentation of the pulmonary region and the classification of the segmented image of the lungs.

Results and discussion: The proposed segmentation method is capable of dealing with the problem of diffuse lung borders in CXR images of patients with COVID-19 severe or critical. The calculation of the affectation index (IAF) consists of the classification of the segmented image by establishing the relationship between the number of pixels of each class.

Conclusions: In this work, the IAF index of affectation of the lungs in CXR images is proposed in patients with COVID-19 and the algorithm for its calculation. A correlation was established between the IAF and the classification of the degree of severity established by radiologists.

Resumen

Problemática: La pandemia de COVID-19 ha provocado la congestión de las terapias intensivas haciendo imposible que cada una cuente con servicio de radiología a tiempo completo. Es necesario un indicador que permita a los intensivistas evaluar la evolución de los pacientes en estado avanzado de la enfermedad en función del grado de afectación de sus pulmones y su severidad en imágenes de rayos x de tórax (CXR).

Objetivo(s): Proponer un índice y un algoritmo de evaluación del grado afectación de los pulmones en imágenes CXR en pacientes diagnosticados con COVID-19 en estado avanzado de la enfermedad.

Metodología: El algoritmo combina la evaluación de la calidad de la imagen, el procesamiento de imágenes digitales y el aprendizaje profundo para la segmentación de la región pulmonar y la clasificación de la imagen segmentada de los pulmones.

Resultados y discusión: El método de segmentación propuesto es capaz de afrontar el problema de las fronteras pulmonares difusas en imágenes CXR de pacientes con COVID-19 graves o críticos. El cálculo del índice de afectación (Iaf) consiste en la clasificación de la imagen segmentada estableciendo la relación entre el número de píxeles de cada clase.

Conclusiones: En este trabajo se propone el índice Iaf de afectación de los pulmones en imágenes CXR en pacientes con COVID-19. Los resultados mostraron altos valores de sensibilidad y especificidad. Se estableció una correlación entre el Iaf y la clasificación del grado de severidad establecida por los radiólogos que permite la automatización de su estimación como herramienta para asistir a los intensivistas en la toma de decisiones.