El nuevo coronavirus denominado SARS-COV2 causa diversas manifestaciones clínicas englobadas bajo el término COVID-19. El sistema de informe y datos conocidos por sus siglas en inglés como RADS, determinadas a partir del consenso de expertos producido por un grupo de trabajo multidisciplinario con el objetivo de mejorar la comunicación de los resultados, establece un enfoque estándar para la notificación de manifestaciones imagenológicas. El presente trabajo presenta el prototipo de aplicación CO-RADS que propone una herramienta digital sobre la base de una revisión actualizada del papel y la idoneidad de los estudios de imagenología para el diagnóstico y seguimiento de pacientes con sospecha o infección conocida de COVID-19, proporcionando terminología estandarizada de imágenes para lograr comunicar los resultados al médico de asistencia de manera clara y consistente. CO-RADS es una aplicación gratuita que se encuentra disponible en:

htttps://www.aplikis.cu/es/application/cu.sld.hlucia.corads    

Palabras Clave: imagenología; covid-19; radiología, tomografía axial computarizada; APK.

Abstract

The new coronavirus called SARS-COV2 causes various clinical manifestations encompassed under the term COVID-19. The data and reporting system known by its acronym in English as RADS, establishes a standard approach for the notification of 

imaging manifestations with the aim of improving the communication of results; was determined from the consensus of experts produced by a multidisciplinary working group. This paper presents the CO-RADS application prototype that proposes a digital tool based on an updated review of the role and suitability of imaging studies for the diagnosis and follow-up of patients with suspected or known COVID-19 infection, providing standardized imaging terminology to achieve clear and consistent communication of results to the attending physician. CO-RADS is a free application that is available at:

htttps://www.aplikis.cu/es/application/cu.sld.hlucia.corads

Key Words: imaging; covid-19; radiology; computerized axial tomography; apk.

Las aplicaciones de análisis de texturas y su extracción de características son consideradas tendencias de investigación en las neurociencias. La textura como método de análisis de imágenes ha mostrado resultados prometedores en la detección de lesiones visibles y no visibles, y en estudios de tomografía computarizada (TC) son escasos. La presente investigación tiene como objetivo determinar la  aplicabilidad del procesamiento automático de índices de texturas homogéneas en la estimación volumétrica de la sustancia gris cerebral en imágenes de TC craneal. Para ello se utilizaron  imágenes artificiales con regiones predefinidas y la selección de imágenes de TC en los pacientes con indicaciones previas de TC de cráneo. Dos pasos fundamentales son conducidos para la implementación de este enfoque. Como resultado se obtuvo  un método automático de reconocimiento de patrones sin ventanas por medio de la extracción de características de textura homogéneas a través de la matriz de co-ocurrencia.

Palabras clave: análisis de textura; extracción de características; tomografía computarizada; materia cerebral.

Abstract

Texture analysis applications and their extraction of features are considered research trends in neuroscience. Texture as a method of image analysis has shown promising results in the detection of visible and non-visible lesions, and in computed tomography (CT) studies they are scarce. The present research aims to determine the applicability of the automatic processing of homogeneous texture indices in the volumetric estimation of brain gray matter in cranial CT images. For this, artificial images with predefined regions and the selection of CT images were used in patients with previous indications for CT of the skull. Two fundamental steps are taken for the implementation of this approach. As a result, an automatic windowless pattern recognition method was obtained by means of the extraction of homogeneous texture characteristics through the co-occurrence matrix.

Keywords: texture analysis; feature extraction; computed tomography; brain matter.