
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.creator | López-Úbeda, Pilar | - |
| Autor(es): dc.creator | Díaz-Galiano, Manuel Carlos | - |
| Autor(es): dc.creator | Martín-Noguerol, Teodoro | - |
| Autor(es): dc.creator | Luna, Antonio | - |
| Autor(es): dc.creator | Ureña-López, L. Alfonso | - |
| Autor(es): dc.creator | Martín-Valdivia, M. Teresa | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:43:35Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:43:35Z | - |
| Data de envio: dc.date.issued | 2020-10-21 | - |
| Data de envio: dc.date.issued | 2020-10-21 | - |
| Data de envio: dc.date.issued | 2019 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/43540 | - |
| Fonte completa do material: dc.identifier | https://www.sciencedirect.com/science/article/pii/S0010482520303978#! | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1146089 | - |
| Descrição: dc.description | COVID-19 diagnosis is usually based on PCR test using radiological images, mainly chest Computed Tomography (CT) for the assessment of lung involvement by COVID-19. However, textual radiological reports also contain relevant information for determining the likelihood of presenting radiological signs of COVID-19 involving lungs. The development of COVID-19 automatic detection systems based on Natural Language Processing (NLP) techniques could provide a great help in supporting clinicians and detecting COVID-19 related disorders within radiological reports. In this paper we propose a text classification system based on the integration of different information sources. The system can be used to automatically predict whether or not a patient has radiological findings consistent with COVID-19 on the basis of radiological reports of chest CT. To carry out our experiments we use 295 radiological reports from chest CT studies provided by the ‘‘HT médica" clinic. All of them are radiological requests with suspicions of chest involvement by COVID-19. In order to train our text classification system we apply Machine Learning approaches and Named Entity Recognition. The system takes two sources of information as input: the text of the radiological report and COVID-19 related disorders extracted from SNOMED-CT. The best system is trained using SVM and the baseline results achieve 85% accuracy predicting lung involvement by COVID-19, which already offers competitive values that are difficult to overcome. Moreover, we apply mutual information in order to integrate the best quality information extracted from SNOMED-CT. In this way, we achieve around 90% accuracy improving the baseline results by 5 points. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Elsevier | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Computers in Biology and Medicine | - |
| Palavras-chave: dc.subject | COVID-19 | - |
| Palavras-chave: dc.subject | Coronavirus | - |
| Palavras-chave: dc.subject | SARS-CoV-2 | - |
| Palavras-chave: dc.subject | Radiological report | - |
| Palavras-chave: dc.subject | Named entity recognition | - |
| Palavras-chave: dc.subject | Laudo radiológico | - |
| Palavras-chave: dc.subject | Reconhecimento de entidade nomeada | - |
| Título: dc.title | COVID-19 detection in radiological text reports integrating entity recognition | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
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: