
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | University of Porto (FEUP) | - |
| Autor(es): dc.contributor | Science and Technology of São Paulo (IFSP) | - |
| Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
| Autor(es): dc.contributor | University of Bologna | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | Universidade Federal de Uberlândia (UFU) | - |
| Autor(es): dc.creator | Roberto, Guilherme F. | - |
| Autor(es): dc.creator | Pereira, Danilo C. | - |
| Autor(es): dc.creator | Martins, Alessandro S. | - |
| Autor(es): dc.creator | Tosta, Thaína A.A. | - |
| Autor(es): dc.creator | Soares, Carlos | - |
| Autor(es): dc.creator | Lumini, Alessandra | - |
| Autor(es): dc.creator | Rozendo, Guilherme B. | - |
| Autor(es): dc.creator | Neves, Leandro A. | - |
| Autor(es): dc.creator | Nascimento, Marcelo Z. | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T20:46:20Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T20:46:20Z | - |
| Data de envio: dc.date.issued | 2025-04-29 | - |
| Data de envio: dc.date.issued | 2025-03-01 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.patrec.2024.07.022 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/309198 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/309198 | - |
| Descrição: dc.description | Covid-19 is a severe illness caused by the Sars-CoV-2 virus, initially identified in China in late 2019 and swiftly spreading globally. Since the virus primarily impacts the lungs, analyzing chest X-rays stands as a reliable and widely accessible means of diagnosing the infection. In computer vision, deep learning models such as CNNs have been the main adopted approach for detection of Covid-19 in chest X-ray images. However, we believe that handcrafted features can also provide relevant results, as shown previously in similar image classification challenges. In this study, we propose a method for identifying Covid-19 in chest X-ray images by extracting and classifying local and global percolation-based features. This technique was tested on three datasets: one comprising 2,002 segmented samples categorized into two groups (Covid-19 and Healthy); another with 1,125 non-segmented samples categorized into three groups (Covid-19, Healthy, and Pneumonia); and a third one composed of 4,809 non-segmented images representing three classes (Covid-19, Healthy, and Pneumonia). Then, 48 percolation features were extracted and give as input into six distinct classifiers. Subsequently, the AUC and accuracy metrics were assessed. We used the 10-fold cross-validation approach and evaluated lesion sub-types via binary and multiclass classification using the Hermite polynomial classifier, a novel approach in this domain. The Hermite polynomial classifier exhibited the most promising outcomes compared to five other machine learning algorithms, wherein the best obtained values for accuracy and AUC were 98.72% and 0.9917, respectively. We also evaluated the influence of noise in the features and in the classification accuracy. These results, based in the integration of percolation features with the Hermite polynomial, hold the potential for enhancing lesion detection and supporting clinicians in their diagnostic endeavors. | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
| Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
| Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG) | - |
| Descrição: dc.description | Faculty of Engineering University of Porto (FEUP) | - |
| Descrição: dc.description | Federal Institute of Education Science and Technology of São Paulo (IFSP), SP | - |
| Descrição: dc.description | Science and Technology Institute Federal University of São Paulo (UNIFESP), SP | - |
| Descrição: dc.description | Department of Computer Science and Engineering (DISI) University of Bologna, FC | - |
| Descrição: dc.description | Department of Computer Science and Statistics (DCCE) São Paulo State University (UNESP), SP | - |
| Descrição: dc.description | Faculty of Computer Science (FACOM) Federal University of Uberlândia (UFU), MG | - |
| Descrição: dc.description | Department of Computer Science and Statistics (DCCE) São Paulo State University (UNESP), SP | - |
| Descrição: dc.description | CNPq: #132940/2019-1 | - |
| Descrição: dc.description | FAPESP: #2022/03020-1 | - |
| Descrição: dc.description | CNPq: #311404/2021-9 | - |
| Descrição: dc.description | CNPq: #313643/2021-0 | - |
| Descrição: dc.description | FAPEMIG: #APQ-00578-18 | - |
| Descrição: dc.description | FAPEMIG: #APQ-01129-21 | - |
| Formato: dc.format | 248-255 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Pattern Recognition Letters | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Chest X-ray images | - |
| Palavras-chave: dc.subject | Computer vision | - |
| Palavras-chave: dc.subject | Covid-19 | - |
| Palavras-chave: dc.subject | Handcrafted features | - |
| Palavras-chave: dc.subject | Percolation | - |
| Título: dc.title | Exploring percolation features with polynomial algorithms for classifying Covid-19 in chest X-ray images | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: