Sistema computacional para identificar sinusitis en Tomografía Computarizada (TC)
DOI:
https://doi.org/10.33448/rsd-v14i9.49476Palabras clave:
Tomografias computarizada, Sinusitis, Inteligencia artificial, Imagenología.Resumen
Introducción: La sinusitis es una inflamación de los senos paranasales, con alta incidencia y potencial para complicaciones cuando se asocia a otras enfermedades respiratorias. Durante la pandemia de Covid-19, hubo una reducción en los casos, pero un aumento en la letalidad de estas enfermedades. El aumento de la contaminación, especialmente en áreas industriales, agrava la incidencia. Objetivo: Desarrollar técnicas avanzadas de imagenología para mejorar el diagnóstico de la sinusitis a partir del análisis de tomografías computarizadas. Métodos: Aplicación de inteligencia artificial, especialmente Machine Learning, y técnicas de detección de objetos para identificar alteraciones estructurales en exámenes de tomografía axial de los senos paranasales. Resultados esperados: Diagnóstico más ágil y preciso, contribuyendo a la optimización del proceso diagnóstico y reducción de complicaciones clínicas asociadas. Conclusión: El uso de métodos basados en inteligencia artificial representa una importante herramienta para mejorar el diagnóstico de la sinusitis, facilitando intervenciones tempranas y un mejor manejo clínico.
Referencias
Abdel-Halim, A. & Luijkx, T. (2014). Isolated sphenoethmoidal pattern sinusitis. https://www.researchgate.net/publication/355604639_Isolated_sphenoethmoidal_pattern_sinusitis. https://doi.org/10.53347/rID-31665.
Asadov, D. (2022). Chronic maxillary sinusitis with a foreign body - dental filling material. Doi: https://doi.org/10.53347/rID-7811.
Ashraf, A. (2024). Skull bone fracture mimic. Case study, Radiopaedia.org.
https://doi.org/10.53347/rID-160172.
Boers. E., Barrett, M., Su, J. G. et al. (2023). Global Burden of Chronic Obstructive Pulmonary Disease Through 2050. JAMA Netw Open. 6(12):e2346598. doi:10.1001/jamanetworkopen.2023.46598.
Borji, A. et al. (2019). Salient object detection: A survey. Computational Visual Media. 5(2), 117–50. Doi: https://doi.org/10.48550/arXiv.1411.5878.
Braga, A. V., Lins, A. F., Soares, L. S., Fleury, L. G., Carvalho, J. C. & Prado, R. S. (2019). Machine learning: O Uso da Inteligência Artificial na Medicina/ Machine learning: The Use of Artificial Intelligence in Medicine. Braz. J. Develop. 2019 Sep. 27.
BVS. (2024). Sinusite. Biblioteca Virtual em Saúde (BVS). https://bvsms.saude.gov.br/sinusite/.
Cuete, D. (2014). Chronic maxillary sinusitis. Case study. Radiopaedia.org https://doi.org/10.53347/rID-27879.
Di Muzio, B. (2015) Allergic fungal sinusitis. Case study, Radiopaedia.org. https://doi.org/10.53347/rID-41382.
Dixon A. (2014). Chronic maxillary sinusitis. Case study. Radiopaedia.org. https://doi.org/10.53347/rID-32524.
Dwyer, B., Nelson, J., Hansen, T., et. al. (2024). Roboflow (Version 1.0) [Software]. https://roboflow.com. computer vision.
Elfeky, M. (2019). Chronic rhinosinusitis. Case study, Radiopaedia.org https://doi.org/10.53347/rID-65079.
Esteva, A. et al. (2019). A guide to deep learning in healthcare. Nature Medicine. 25, 24–9.
Fernandes Neulls, T. et al. (2022). Plantas medicinais utilizadas para tratamento da sinusite no brasil: uma revisão de literatura. SciGen. 3(1). https://scientiageneralis.com.br/index.php/SG/article/view/389.
Gaillard F. (2008). Mucoperiosteal hypertrophy: chronic sinusitis. Case study. https://doi.org/10.53347/rID-4868.
Hafiz, A. M., & Bhat, G. M. (2020). A survey on instance segmentation: state of the art. International Journal of Multimedia Information Retrieval. doi:10.1007/s13735-02000195-x.
He, K. et al. (2017). Mask R-CNN. In: Proceedings of the IEEE International Conference on Computer Vision (ICCV). https://ieeexplore.ieee.org/document/8237584.
Krizhevsky, A., Sutskever, I. & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems. 60(6), 84-90. https://doi.org/10.1145/3065386.
Marques, C. P. C. et al. (2022). Epidemiologia da Sinusite Crônica no Brasil, de 2016 a 2020. Research, Society and Development. 11(11), e203111132072.
Maurici, R. (2023). What happened to non-SARS-CoV-2 respiratory diseases during the pandemic? Jornal Brasileiro de Pneumologia. 49(1).
Nardocci, A. C. et al. (2013). Poluição do ar e doenças respiratórias e cardiovasculares: Estudo de séries temporais em Cubatão, São Paulo, Brasil. Cadernos de Saude Publica. 29(9), 1867–76.
Nemattalla, W., Guan, H., Kumar, K. et al. (2012). Allergic fungal sinusitis. Reference article, Radiopaedia.org. https://doi.org/10.53347/rID-18487.
O'Donnell, C. (2014). Posterior frontal sinus erosion following chronic sinusitis. Case study, Radiopaedia.org. https://doi.org/10.53347/rID-30169.
Oliveira, M. C. et al. (2024). O uso da inteligência artificial na detecção precoce do câncer de mama: uma revisão de literatura. Revista Ibero-Americana de Humanidades, Ciências e Educação — REASE. 10(10). Doi: https://doi.org/10.51891/rease.v10i10.
Pereira, A. S. et al. (2018). Metodologia da pesquisa científica. [free ebook]. Santa Maria. Editora da UFSM.
Perez, L. & Wang, J. (2017). The effectiveness of data augmentation in image classification using deep learning. arXiv preprint arXiv:1712.04621.
Roboflow. (2025). Everything you need to build and deploy computer vision applications. Website Roboflow Inc. https://roboflow.com/.
Rother, E. T. (2007). Revisão sistemática X revisão narrativa. Acta paul. enferm. 20 (2). https://doi.org/10.1590/S0103-21002007000200001,
Rodrigues Santos, J., Drummond Vieira da Silva, F., Trindade Marinho Santana, H. & Santos, S. A. (2021). Tratamento das doenças do trato respiratório: o uso das plantas medicinais. Scientia Generalis. 3(1). https://scientiageneralis.com.br/index.php/SG/article/view/389
Shen, D., Wu, G. & Suzuki, K. (2017). Deep Learning in Medical Image Analysis. Annual Review of Biomedical Engineering. 19, 221–48.
SindInfo. (2023). SindHosp lança o Mapa do Acesso da Saúde de São Paulo. http://sindhosp.org.br/sindhosp-lanca-mapa-acesso-saude-sao-paulo/.
Soares, R. A., Pereira, I. S., Frazão, M. P., Duque, M. G. C., Santos, J. V. F. S., Duque, R. G. C., Pádua, D. M., Martins, J. K. G. R., Peixoto, J. O., Acácio, M. S, Galvão, A. A. C. B. & Araújo, S. L. S. (2023). The use of artificial intelligence in medicine: applications and benefits. Research, Society and Development. 12(4), e5012440856. Doi: https://doi.org/10.33448/rsd-v12i4.40856.
Zhao, Z. et al. (2019). Object detection with deep learning: A review. IEEE Transactions on Neural Networks and Learning Systems. 30(11), 3212–32.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Clayton Moreira Marques, Cláudio Boghi, Pedro Leal Iglesias
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
