Semi-automatic segmentation of COVID-19 infection in lung CT scans

Abstract

По мере распространения COVID-19 резко возросла озабоченность по поводу лечения этого заболевания и его влияния на будущее сообществ. Лучший способ предотвратить распространение болезни COVID-19 — быстро диагностировать пациентов и не допускать их контакта со здоровыми людьми. Компьютерные методы очень эффективны в поиске больных COVID-19 и ускоряют диагностику. Эти методы также широко используются для оценки состояния пациента, например, для оценки прогрессирования заболевания во времени и измерения скорости распространения вируса в легких. В этой статье представлен метод сегментации для сегментации инфицированных частей легкого при компьютерной томографии. Этот метод основан на алгоритмах Lazy-Snipping и Super-pixel. В результате сегментации производительность алгоритма представлена и сравнена с другими методами с использованием оценки Dice, которая составила 80%.

As the prevalence of COVID-19, concerns about the treatment of the disease and its impact on communities' future have increased sharply. The best way to prevent the spread of COVID-19 disease is to quickly diagnose patients and prevent them from coming into contact with healthy people. Computer methods are very effective in finding patients with COVID-19 and speed up the diagnosis. These methods are also widely used to assess a patient's condition, for example, to assess the disease's progression over time and to measure the rate of spread of the virus in the lungs. In this article, a segmentation method is introduced to segment the infected parts of the lung in CT scans. This method is based on Lazy-Snipping and Super-pixel algorithms. As a result of segmentation, the performance of algorithm is presented and compared with other methods using Dice score which was 80%.