Resumo
Pipeline de US funcional em 5 branches paralelos a partir de parsing DICOM: (1) Radiomics via PyRadiomics, (2) Segmentação via OpenCV/SimpleITK, (3) Doppler envelope via scipy.signal, (4) DL models (EchoNet, DeepACSA, BEDLUS), (5) Claude Vision. Dados convergem para SQLite local com medidas seriadas por paciente.
Conceito
Aquisição: EVUS5 → DICOM Send via rede local (porta 4242, AE Title “HOROS”) → Horos/Orthanc. Fallback: USB export. Tag DICOM crítica: (0018,6011) Sequence of Ultrasound Regions com PhysicalDeltaX/Y (mm/pixel) para calibração — sem isso, medidas quantitativas são impossíveis.
Branch 3 (Doppler) é particularmente relevante: crop da região espectral, conversão para escala de velocidade via calibração DICOM, peak detection por coluna temporal → PSV, EDV, RI, PI, acceleration time, waveform morphology.
Ordem de implementação (lição ThermoClaw): (1) DICOM Send, (2) pydicom puro, (3) medidas básicas (HRI, IMT), (4) radiomics exploratório, (5) segmentação, (6) Claude Vision, (7) DL models, (8) dashboard (só por último).
Evidência
pydicom é padrão de facto para parsing DICOM em Python. PyRadiomics publicado e validado (IBSI-compliant). EchoNet-Dynamic publicado na Nature.
Limitações
- Tags DICOM de calibração no EVUS5 não verificadas — sem calibração, medidas quantitativas impossíveis
- Pipeline assume DICOM Send funcional — fallback USB é manual
Translação
Nenhum item de translação identificado.
Questões Abertas
- Tags DICOM de calibração presentes no EVUS5? (testar com primeiro exame real)
- Horos vs Orthanc: qual melhor para automação?