A desnutrição é um problema de saúde pública global associado a diversas complicações. Identificar com precisão a composição muscular e a distribuição de gordura é crucial para um diagnóstico precoce e intervenção eficaz. Um estudo recente propõe uma nova abordagem para analisar imagens de ultrassom de forma automatizada, visando estimar a gordura subcutânea e visceral, bem como a massa muscular em pacientes sob suspeita de desnutrição.
O sistema inovador utiliza técnicas de visão computacional para segmentar regiões de interesse nas imagens de ultrassom. Em vez de depender apenas de métodos tradicionais de segmentação, como limiares ou máscaras predefinidas, o sistema emprega uma abordagem hierárquica iterativa. Essa metodologia aprimora a detecção de contornos e melhora a precisão da localização, oferecendo uma análise mais detalhada e confiável. O estudo analisou um conjunto de dados composto por imagens de ultrassom abdominal e de perna, capturadas nos planos longitudinal e transversal.
Os resultados indicaram uma maior precisão para as imagens longitudinais em comparação com as transversais, especialmente para variáveis relacionadas ao comprimento. No entanto, medições baseadas em área apresentaram menor precisão devido a diferenças entre ajustes manuais realizados por especialistas e aproximações geométricas automáticas. Essas descobertas demonstram o potencial do sistema para uso clínico, ao mesmo tempo em que ressaltam a necessidade de aprimoramentos algorítmicos para refinar a precisão nos cálculos de área. A capacidade de diagnosticar a desnutrição com mais precisão pode levar a intervenções mais precoces e eficazes, melhorando a qualidade de vida dos pacientes.
Origem: Link